02.05.2025; Івано-Франківськ, Україна: VI Міжнародна наукова конференція «Наукові відкриття та фундаментальні наукові дослідження: світовий досвід»
Роботи, що індексуються в Google Scholar

ВИКОРИСТАННЯ МАШИННОГО НАВЧАННЯ ДЛЯ АВТОМАТИЧНОЇ АДАПТАЦІЇ ІНТЕРФЕЙСІВ ПІД ОСОБЛИВОСТІ ЗОРОВОГО СПРИЙНЯТТЯ КОРИСТУВАЧА

  • Назар Вонітовий ,
  • Світлана Васюта
DOI: https://doi.org/10.62731/mcnd-02.05.2025.004
PDF

Опубліковано 27.07.2025

Як цитувати

Вонітовий , Н., & Васюта , С. (2025). ВИКОРИСТАННЯ МАШИННОГО НАВЧАННЯ ДЛЯ АВТОМАТИЧНОЇ АДАПТАЦІЇ ІНТЕРФЕЙСІВ ПІД ОСОБЛИВОСТІ ЗОРОВОГО СПРИЙНЯТТЯ КОРИСТУВАЧА. Матеріали конференцій МЦНД, (02.05.2025; Івано-Франківськ, Україна), 249–254. https://doi.org/10.62731/mcnd-02.05.2025.004

Завантаження

Дані завантаження ще не доступні.

Авторське право (c) 2025 Назар Вонітовий ; Світлана Васюта (Науковий керівник)

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution-ShareAlike 4.0 International License.

Google Scholar

Анотація

Вступ. В умовах стрімкого розвитку цифрового середовища забезпечення доступності вебінтерфейсів для осіб із порушеннями зору стає важливим напрямом наукових досліджень. Вебресурси мають бути зрозумілими та зручними для всіх користувачів незалежно від фізичних можливостей. За даними Всесвітньої організації охорони здоров'я, понад 2,2 мільярда людей мають порушення зору, що підкреслює глобальну важливість вирішення цієї проблеми. Стандарти доступності, такі як WCAG 2.1, встановлюють базові вимоги, однак недостатньо враховують індивідуальні особливості сприйняття інформації. Традиційні методи розробки інтерфейсів не завжди дозволяють гнучко адаптувати ресурси до конкретних потреб користувачів.

PDF

Посилання

  1. 1. W3C. (2018). Web Content Accessibility Guidelines (WCAG) 2.1. Retrieved from https://www.w3.org/TR/WCAG21/
  2. 2. Vigo, M., Brown, J., & Conway, V. (2013). Benchmarking web accessibility evaluation tools: measuring the harm of sole reliance on automated tests. In Proceedings of the 10th International Cross-Disciplinary Conference on Web Accessibility (W4A).
  3. 3. Almutairi, R., & Alhassan, R. (2022). Automated Web Accessibility Testing: A Systematic Literature Review. IEEE Access, 10, 6953–6968.
  4. 4. Chakraborty, S., & Konar, A. (2021). Artificial Intelligence and Machine Learning for Accessibility: A Survey. International Journal of Human-Computer Interaction.
  5. 5. Cooper, M., et al. (2021). User Modeling for Accessibility. ACM Computing Surveys.
  6. 6. Kim, J., & Park, J. (2020). Deep Learning for Vision Impairment Prediction and Interface Adaptation. Journal of Accessibility and Design for All.
  7. 7. Majaranta, P., & Bulling, A. (2014). Eye Tracking and Eye-Based Human-Computer Interaction. In Advances in Physiological Computing.