ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ АВТОМАТИЧЕСКОГО ОПРЕДЕЛЕНИЯ ПОТРЕБНОСТЕЙ ПОЛЬЗОВАТЕЛЕЙ С ОГРАНИЧЕННЫМИ ВОЗМОЖНОСТЯМИ

APPLYING MACHINE LEARNING TECHNIQUES TO AUTOMATICALLY IDENTIFY THE NEEDS OF USERS WITH DISABILITIES

Oleg Simonov

master student, department of IT Engineering, Almaty University of Energy and Communications named after Gumarbek Daukeev,

Republic of Kazakhstan, Almaty

Aliya Kalizhanova

scientific supervisor, candidate of technical sciences, Almaty University of Energy and Communications named after Gumarbek Daukeev,

Republic of Kazakhstan, Almaty

АННОТАЦИЯ

Доступность приложений для пользователей с ограниченными возможностями является актуальной проблемой в современном мире. Многие приложения не учитывают потребности этой группы пользователей, что может привести к их социальной изоляции и невозможности использования достижений цифровой индустрии. В статье рассмотрены возможности применения методов машинного обучения для автоматического определения потребностей пользователей с ограниченными возможностями.

ABSTRACT

Accessibility of applications for users with disabilities is a pressing issue in the modern world. Many applications do not take into account the needs of this user group, which can lead to their social isolation and the inability to use the achievements of the digital industry. The article discusses the possibilities of using machine learning methods to automatically determine the needs of users with disabilities.

Ключевые слова: машинное обучение; доступность; ограниченная возможность; приложение; нейронные сети.

Keywords: machine learning; availability; limited opportunity; application; neural networks.

Доступность приложений для пользователей с ограниченными возможностями стала одной из важнейших проблем в современном мире. Многие разработчики приложений не уделяют достаточного внимания потребностям этой группы пользователей, что может привести к их социальной изоляции и ограничению возможностей для общения и участия в жизни сообщества. Все больше людей с ограниченными возможностями используют цифровые технологии в повседневной жизни, и доступность приложений для них является важным фактором, который влияет на качество их жизни.

Люди с ограниченными возможностями могут столкнуться с рядом проблем при использовании мобильных приложений, которые не учитывают их потребностей. Например:

Недостаточная доступность: многие мобильные приложения не имеют функций доступности, которые позволяют людям с ограниченными возможностями лучше использовать приложение. Например, некоторые приложения могут не иметь функций увеличения размера шрифта или голосового управления.

Непонятный интерфейс: мобильные приложения могут иметь непонятный интерфейс, который затрудняет использование приложения пользователями с ограниченными возможностями. Например, приложения могут использовать сложные иконки, которые не ясны людям с ограниченным зрением.

Недостаточная адаптация под нужды пользователей: многие мобильные приложения не адаптированы под потребности пользователей с ограниченными возможностями. Например, приложения для обмена сообщениями могут не иметь функций для людей с нарушением слуха, таких как текстовые сообщения или субтитры.

Неподходящее содержание: многие мобильные приложения могут содержать неподходящее содержание для пользователей с ограниченными возможностями, такое как фотографии без описания или текст без использования ясного языка.

Ограниченная доступность на устройствах: многие мобильные приложения могут быть недоступны на устройствах, используемые людьми с ограниченными возможностями, таких как телефоны с экранами маленького размера или устройства с низким разрешением.

Все эти проблемы могут привести к тому, что людям с ограниченными возможностями будет затруднено использование мобильных приложений, что приведет к их социальной изоляции и исключению из цифрового пространства.

Использование машинного обучения может значительно упростить процесс определения потребностей пользователей с ограниченными возможностями и помочь разработчикам создавать более доступные и удобные приложения для них. Методы машинного обучения могут использоваться для анализа данных о поведении пользователей с ограниченными возможностями.

Один из таких примеров - использование алгоритмов классификации для определения типов ограниченных возможностей пользователей. Например, алгоритмы машинного обучения могут автоматически определять, нуждается ли пользователь в поддержке чтения, написания или использования голосовых команд.

Другой пример - использование анализа данных о поведении пользователей в приложении для определения их потребностей. Например, алгоритмы машинного обучения могут анализировать данные о времени, проведенном пользователем в приложении, о том, какие функции приложения использовались, и какие действия были выполнены. На основе этих данных алгоритмы могут предложить пользователю персонализированные рекомендации или настройки, чтобы улучшить их опыт использования приложения.

Третий пример - использование алгоритмов обработки естественного языка (Natural Language Processing, NLP) для анализа комментариев и отзывов пользователей. Например, алгоритмы машинного обучения могут анализировать комментарии, оставленные пользователями, чтобы определить, какие функции приложения являются наиболее полезными или наоборот, какие проблемы нужно исправить для улучшения опыта пользователей.

В статье были рассмотрены проблемы, связанные с доступностью приложений для пользователей с ограниченными возможностями, и возможности применения методов машинного обучения для решения этих проблем. Были приведены примеры использования алгоритмов классификации для определения типов ограниченных возможностей пользователей. В целом, использование методов машинного обучения может значительно улучшить доступность приложений для пользователей с ограниченными возможностями, и дальнейшие исследования в этой области могут привести к еще более эффективным и точным решениям.

Список литературы:

1. Accessibility. Как сделать приложение доступным для пользователей с ограниченными возможностями [Электронный ресурс]. – Режим доступа: https://habr.com/ru/company/arcadia/blog/498476/ (дата обращения: 27.03.2023)