大型語言模型於網頁無障礙領域之系統性文獻回顧
arXiv - Human-Computer InteractionWajdi Aljedaani, Rubel Hassan Mollik
本文透過回顧 38 篇研究，分析 LLM 在網頁無障礙任務中的應用現況、技術架構與評估方法。
AI 幫你先抓重點
AI 重點 1
技術應用與實際需求之間存在「認知無障礙」的缺口。
滑鼠懸停看 AI 判斷理由
雖然 LLM 在處理文本結構上表現優異，但目前研究忽視了認知層面的無障礙需求。這提醒開發者，僅解決視覺或結構問題是不夠的，未來的 AI 工具必須能協助處理資訊過載或理解困難等認知挑戰。
AI 重點 2
缺乏使用者參與的評估機制是目前研究的重大弱點。
滑鼠懸停看 AI 判斷理由
目前的評估多依賴自動化指標或技術指標，而非真實使用者的體驗。這意味著 AI 生成的無障礙解決方案可能在技術上達標，但在實際使用情境中卻不符合身心障礙者的真實需求。
核心研究發現
- 1
研究多集中於以文本為中心及結構明確的無障礙任務，並以 WCAG 作為主要的參考準則。
- 2
目前的技術路徑主要依賴通用型大型語言模型（LLMs）與基於提示工程（Prompting）的互動方式。
- 3
現有的評估實務差異極大，且普遍缺乏讓身心障礙使用者直接參與的評估流程。
- 4
對於認知無障礙（COGA）準則的關注度相對較低，研究多聚焦於視覺或結構性的無障礙問題。
對教育工作者的啟發
對於開發教育科技工具的設計者而言，應注意以下建議：首先，在利用 LLM 自動生成教材或網頁內容時，不應僅追求符合 WCAG 的結構化標準，更應納入認知無障礙（COGA）的考量，確保內容易於理解。其次，在開發輔助學習工具時，應建立包含身心障礙學生的測試機制，而非僅依賴自動化評估工具。最後，應將 LLM 的能力從單純的「內容生成」擴展到「問題檢測與自動修復」，以降低數位學習環境的進入門檻。
原始文獻資訊
- 英文標題：
- Large Language Models for Web Accessibility: A Systematic Literature Review
- 作者：
- Wajdi Aljedaani, Rubel Hassan Mollik
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。