Evaluación de accesibilidad web para limitaciones visuales utilizando agentes inteligentes

La accesibilidad Web se basa en el concepto de que un producto o servicio Web pueda ser accedido y usado por el mayor número posible de personas, independientemente de las limitaciones propias del individuo o de las derivadas del contexto de uso. Las barreras de accesibilidad que se encuentran al tratar de interactuar con sistemas interactivos están relacionadas principalmente con la interfaz de usuario, e incluyen las dificultades físicas para manipular los dispositivos, las barreras cognitivas para entender los procedimientos y la navegación Web. En los últimos años, han surgido gran cantidad de herramientas de soporte para evaluar accesibilidad Web; sin embargo, tienen características propias que limitan su uso. La evaluación en sí misma, abarca una amplia gama de disciplinas y habilidades y requiere no solo conocimiento sobre aspectos técnicos relacionados con las tecnologías Web, directrices, estándares y herramientas; sino también aspectos no técnicos como la participación de los usuarios finales en el proceso de evaluación. Frente a la necesidad de resolver la problemática de automatización del proceso y soporte de la accesibilidad Web, las tendencias actuales proponen el uso de recursos inteligentes. Para ello, se deben considerar varios aspectos, desde la identificación automática de las limitaciones del usuario a la evaluación en sí misma. En este sentido, esta Tesis propone un proceso basado en personalización y uso de agentes inteligentes, llamado SMEBA (Sistema Multi-agente para la Evaluación de Barreras de Accesibilidad), para usuarios con limitaciones visuales. El proceso se compone de dos etapas: una primera instancia de clasificación de las características de un usuario con limitaciones visuales en estereotipos; y una segunda instancia de evaluación de adecuación de accesibilidad de los sitios Web que visite, ajustada a las recomendaciones de las Guías de Accesibilidad al Contenido Web 2.1. La validación presentada nuevamente corresponde a las dos etapas, respectivamente para determinar el grado de exactitud de los estereotipos y el grado de cubrimiento de la herramienta propuesta. Esta última validación compara resultados de SMEBA con los obtenidos por otras 9 herramientas de amplio uso en la práctica. Web accessibility is a concept based on the idea that a Web product or service should be accessed and used by the greatest number of people, despitetheir limitations or the ones derived from the context of use. The accessibility barriers, which can be found when interacting with Web systems, are mostly related to the user interface and include physical impediments to manipulatedevices, as well as cognitive limitations to understand procedures and browsethe Web.During the last years, a huge number of supporting tools have emerged toevaluate Web accessibility; however, their intrinsic characteristics limit theiruse. The evaluation it self covers a wide spectrum of disciplines and skills; andrequires not only knowledge about technical aspects, guidelines, standards andtools, but also non-technical aspects such as the participation of users in the evaluation process. Looking at the needs of automating the process and support for Web accessibility evaluation, current tendencies propose the use of intelligent resources. To do so, several aspects should be considered – from the automatic identifi-cation of users’ limitations to the evaluation process itself.In this sense, this Thesis proposes a Web accessibility evaluation process based on personalization and intelligent agents, named SMEBA (Sistema Multi-agente para la Evaluación de Barreras de Accesibilidad), for visually-impairedusers. The process is composed of two stages: the first one for classifying users’characteristics into stereotypes according to their visual limitations; and a se-cond one for evaluating the adequacy to WCAG (Web Content Accesibility Guidelines) 2.1 of a Web site visited by these users. The validation of this proposal corresponds to the two stages respectively: by determining (1) the accuracy of the stereotypes, and (2) covering of the results obtained after evaluation. This last validation compares results of SMEBA to the ones obtained by other 9 tools widely used in practice.