Автоматичне виявлення та корекція помилок веб-доступності методами штучного інтелекту

Скорочена інформація про документ
dc.contributor.advisorШаповал, Наталія Віталіївна
dc.contributor.authorШевкунова, Валерія Вікторівна
dc.date.accessioned2026-10-12T13:12:54Z
dc.date.available2026-10-12T13:12:54Z
dc.date.issued2026
dc.description.abstractДипломна робота: 53 с., 12 рис., 3 табл., 29 посилань. Об’єктом дослідження є процес автоматизованого виявлення та усунення бар'єрів веб-доступності (згідно зі стандартами WCAG) у вихідному коді користувацьких інтерфейсів. Предметом дослідження є методи та моделі штучного інтелекту (зокрема, мовні моделі для коду) для семантичного аналізу та рефакторингу HTMLрозмітки. Метою роботи є підвищення ефективності та швидкості адаптації вебінтерфейсів до стандартів WCAG шляхом розробки підходу до автоматичного виправлення семантичних помилок у HTML-коді на основі донавчання моделі CodeT5. У роботі розглянуто сучасні міжнародні стандарти веб-доступності (WCAG) та проаналізовано обмеження існуючих інструментів автоматизованого аудиту. Встановлено, що традиційні підходи мають обмежену здатність до врахування семантичного контексту веб-інтерфейсів, що ускладнює виявлення складних порушень доступності. На основі проведеного аналізу запропоновано підхід до автоматичного виправлення порушень веб-доступності з використанням моделі CodeT5. Виконано збір, очищення та попередню обробку набору даних обсягом 400 000 прикладів, сформованого у вигляді пар «дефектний HTML-код – виправлений HTMLкод». Для адаптації моделі до специфіки вимог WCAG застосовано методи навчання за інструкціями та донавчання. Додатково реалізовано конвеєр автоматичної валідації згенерованого коду. У результаті виконано донавчання моделі CodeT5. Проведене експериментальне дослідження показало, що донавчена модель забезпечує вищу точність класифікації та виправлення дефектів доступності порівняно з базовими підходами.
dc.description.abstractotherBachelor's thesis: 53 p., 12 figures, 3 tables, 29 references. The object of the study is the process of automated detection and elimination of web accessibility barriers (according to WCAG standards) in the source code of user interfaces. The subject of research is artificial intelligence methods and models (in particular, language models for code) for semantic analysis and refactoring of HTML markup. The purpose of the work is to improve the efficiency and speed of adapting web interfaces to WCAG standards by developing an approach to automatically correcting semantic errors in HTML code based on fine-tuning the CodeT5 model. This paper examines current international web accessibility standards (WCAG) and analyzes the limitations of existing automated auditing tools. It has been established that traditional approaches have a limited ability to account for the semantic context of web interfaces, which complicates the detection of complex accessibility violations. Based on the analysis, an approach to automatically correcting web accessibility violations using the CodeT5 model is proposed. A dataset of 400,000 examples, organized as pairs of “defective HTML code – corrected HTML code,” was collected, cleaned, and preprocessed. To adapt the model to the specific requirements of WCAG, supervised learning and fine-tuning methods were applied. Additionally, an automatic validation pipeline for the generated code was implemented. As a result, the CodeT5 model was fine-tuned. The experimental study showed that the fine-tuned model provides higher accuracy in classifying and correcting accessibility defects compared to baseline approaches.
dc.format.extent64 с.
dc.identifier.citationШевкунова, В. В. Автоматичне виявлення та корекція помилок веб-доступності методами штучного інтелекту : дипломна робота … бакалавра : 122 Комп'ютерні науки / Шевкунова Валерія Вікторівна. – Київ, 2026. – 64 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/83911
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectвеб-доступність
dc.subjectwcag
dc.subjectштучний інтелект
dc.subjectмультимодальні моделі
dc.subjectсемантичний аналіз коду
dc.subjectcodet5
dc.subjectавтоматизований аудит
dc.subjectмашинне навчання
dc.subjectавтоматичне виправлення помилок
dc.subjectweb accessibility
dc.subjectwcag
dc.subjectartificial intelligence
dc.subjectmultimodal models
dc.subjectsemantic code analysis
dc.subjectautomated audit
dc.subjectmachine learning
dc.subjectautomatic error correction
dc.titleАвтоматичне виявлення та корекція помилок веб-доступності методами штучного інтелекту
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Shevkunova_bakalavr.pdf
Розмір:
1.7 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ШІ)
Бакалаврські роботи