بررسی دسترسپذیری نمودار با هوش مصنوعی
ببینید کسی که رنگها رو از هم تشخیص نمیده یا با کیبورد کار میکنه، چطور میتونه نمودار رو بخونه. برای هر مشکل یک مورد مشخص برای بازبینی بگیرید.
بررسی دسترسپذیری نمودار با هوش مصنوعی از یک سوال ساده شروع میشه. اگر رنگ قرمز و سبز از روی نمودار حذف بشن، خواننده هنوز میفهمه کدوم خط مربوط به فروشگاه و کدوم مربوط به سفارش آنلاینه؟ ممکنه هر دو خط شکل یکسانی داشته باشن و راهنما هم فقط دو مربع رنگی نشون بده. در این حالت حتی یک برچسب کنار آخرین نقطه هر خط میتونه به خوندن نمودار کمک کنه.
با data-visualization-accessibility میتونید کد و نمایش نمودار رو از چند جهت بررسی کنید. آیا توضیح نمودار روند اصلی رو منتقل میکنه؟ آیا کسی که عدد دقیق لازم داره به جدول داده دسترسی داره؟ اگر عدد فقط با نگه داشتن موس روی نقطه پیدا میشه، باید دید همون اطلاعات با کیبورد هم قابل دسترس هست یا نه. خروجی فهرستی از یافتهها برای بررسی و اصلاحه.
کاربردها
- بررسی این که معنی رنگها با نوشته یا شکل هم مشخص شده
- دیدن این که جدول داده یا توضیح نمودار جواب سوال خواننده رو میده
- بررسی دسترسی با کیبورد به نقطهها و اطلاعات تعاملی
- پیدا کردن محلی که نشانه فوکوس بین اجزای نمودار گم میشه
- مرور برچسبها و راهنما وقتی نمودار در اندازه بزرگتر دیده میشه
نصب و استفاده
- اسکیل رو همراه منابع و قالب یافتههای بسته اصلی در ایجنت سازگار باز کنید. کد یا نمونهای از نمودار مجازتون رو بدید. برای توضیح شکل، داده فرضی هم کافیه.
- بگید «این دو خط فقط با رنگ جدا شدن. بررسی کنید چطور میشه سریها رو بدون تکیه به رنگ تشخیص داد و کسی که با کیبورد کار میکنه چطور مقدار نقطه رو میخونه.»
- یافتهها رو روی صفحه واقعی بیازمایید. مثلا یک نقطه مشخص رو با کیبورد پیدا کنید. مواردی رو که از روی کد به تنهایی معلوم نیستن برای آزمون با صفحهخوان نگه دارید.
سوالات متداول
منبع
ساخته Community Access. نام اصلی: data-visualization-accessibility، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub