Assistive Technologies for Internet Navigation: A Review of Screen Reader Solutions for the Blind and Visually Impaired
Notice bibliographique
Résumé
The internet is a critical resource for individuals with visual impairments (VI), including those with low vision or blindness, enabling access to information and fostering independent participation in society. However, despite advancements in screen reader software, challenges persist in navigating complex and dynamic web content. This narrative review evaluates Assistive Technologies (AT), which enhance internet navigation for VI screen reader users, focusing on design strategies and usability outcomes. A systematic search across the ACM Digital Library, IEEE Xplore, JSTOR, and ScienceDirect identified 698 studies, of which 33 met the inclusion criteria, encompassing 502 participants. Key themes were extracted from bibliographic data, technology descriptions, evaluation methods, and outcomes. The findings reveal that most software-based technologies, including browser extensions and web applications, have limited hardware integration. These solutions improve navigation by providing alternative content representations, enhancing page structure understanding, and automating user tasks. Evaluations demonstrated increased task completion rates, reduced cognitive load, and enhanced efficiency, though variations in study designs and small sample sizes limit the generalizability of results. Despite their promise, these technologies face barriers, including a lack of commercial availability and rapid obsolescence. Addressing these challenges requires modular, user-centred designs employing intuitive multimodal interactions and robust information models tailored to navigation tasks. This review emphasizes the need for scalable, sustainable, and accessible AT innovations through open, collaborative development, ensuring equitable internet access for VI users.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».