Resumen Técnico: Modelos de Lenguaje Grande para la Accesibilidad Web: Una Revisión Sistemática de la Literatura

Declaración del Problema

La accesibilidad web sigue implementándose de manera inconsistente en toda la web, requiriendo a menudo conocimientos especializados y un mantenimiento sostenido que son difíciles de escalar en entornos de desarrollo de ritmo acelerado. Aunque los Modelos de Lenguaje Grande (LLM) han demostrado ser prometedores para apoyar tareas relacionadas con la accesibilidad —como generar texto alternativo, detectar violaciones y remediar código—, el panorama de la investigación está fragmentado. Los estudios existentes se centran frecuentemente en configuraciones de problemas estrechas, tecnologías específicas o técnicas de evaluación aisladas. Además, la accesibilidad se operacionaliza de manera inconsistente, con estándares y prácticas de validación variables. Esta fragmentación obstaculiza una comprensión cohesiva de cómo los LLM contribuyen a la accesibilidad web o, potencialmente, la socavan, particularmente en lo que respecta al riesgo de "cumplimiento alucinado" o soluciones superficiales que podrían perjudicar desproporcionadamente a los usuarios con discapacidades.

Metodología

Este estudio realiza una Revisión Sistemática de la Literatura (SLR) para sintetizar la evidencia sobre el uso de LLM en la accesibilidad web. El proceso de revisión siguió tres fases: planificación, ejecución y síntesis.

• Estrategia de Búsqueda: Los autores consultaron seis bibliotecas digitales (ACM, IEEE Xplore, Web of Science, Scopus, Science Direct, Springer Link) utilizando una cadena de búsqueda finalizada que combinaba términos para "accesibilidad web" y "Modelos de Lenguaje Grande" (incluyendo sinónimos como "IA generativa", "modelos fundacionales" y nombres de modelos específicos).
• Criterios de Selección: Los criterios de inclusión requirieron publicaciones revisadas por pares, en idioma inglés, que abordaran LLM dentro de contextos de accesibilidad web. Los criterios de exclusión eliminaron literatura gris, trabajos no revisados por pares y estudios centrados en la accesibilidad fuera de la web o en LLM sin un enfoque en accesibilidad.
• Proceso de Filtrado: Un conjunto inicial de 807 publicaciones se redujo mediante la eliminación de duplicados, la revisión de títulos/resúmenes y la revisión de texto completo. Se aplicó el método de bola de nieve hacia atrás y hacia adelante a los estudios seleccionados.
• Conjunto de Datos Final: La revisión culminó en un conjunto final de 33 estudios primarios (notados como 38 en el resumen y la conclusión, probablemente debido a una discrepancia de conteo entre el texto y la figura, pero la sección de metodología establece explícitamente que 33 estudios primarios formaron la base del análisis).
• Síntesis: Los datos se extrajeron y categorizaron basándose en cinco Preguntas de Investigación (RQ) que cubrían tipos de aplicación, adherencia a estándares, arquitecturas técnicas, problemas específicos de accesibilidad y métodos de evaluación.

Contribuciones Clave

El artículo proporciona una caracterización estructurada del estado actual de la investigación sobre accesibilidad web apoyada por LLM. Sus contribuciones principales incluyen:

1. Una Síntesis Sistemática: Una revisión de 33 estudios revisados por pares que mapea el panorama de las aplicaciones de LLM en la accesibilidad web.
2. Caracterización Técnica: Un análisis de los modelos LLM dominantes, las estrategias de prompting y las arquitecturas de sistema utilizadas en el campo.
3. Análisis de Estándares y Brechas: Una evaluación de cómo se cubren los estándares de accesibilidad (WCAG, COGA) y los grupos de discapacidad, destacando desequilibrios significativos.
4. Crítica de la Evaluación: Una síntesis de las prácticas de evaluación, señalando una dependencia de herramientas automatizadas y revisiones de expertos sobre la participación directa de usuarios.
5. Paquete de Replicación: Los autores ofrecen un paquete de replicación para una futura extensión de la encuesta.

Resultados Clave

1. Tipos de Aplicación (RQ1)

Los LLM se aplican principalmente como herramientas automatizadas y a través de estrategias basadas en prompting (cada una reportada en 10 estudios). Estas son típicamente componentes de asistencia para generar contenido, identificar problemas o remediar código. Las aplicaciones menos comunes incluyen extensiones de navegador (5 estudios), enfoques híbridos y agentes LLM (3 estudios cada uno). Las aplicaciones independientes y los puntos de referencia son raros. La mayoría de las aplicaciones se evalúan en entornos controlados y específicos de tareas, en lugar de despliegues a largo plazo en el mundo real.

2. Modelos y Arquitecturas (RQ3)

• Modelos: Existe una fuerte concentración en LLM comerciales y de propósito general. GPT-4 es el modelo más utilizado (18 estudios), seguido de ChatGPT (11) y Claude (6). Los modelos de visión-idioma (por ejemplo, LLaVA) y los modelos específicamente ajustados para la accesibilidad se utilizan raramente.
• Prompting: Las estrategias dominantes son el prompting basado en instrucciones (10 estudios) y el basado en roles (9 estudios). Las técnicas avanzadas como la autorreflexión, el prompting basado en agentes o la cadena de pensamiento son raras.
• Arquitectura: La mayoría de los estudios emplean arquitecturas simples donde se invoca un solo LLM mediante prompts cuidadosamente elaborados. Los sistemas multiagente complejos o los bucles de retroalimentación iterativa se exploran con poca frecuencia.

3. Problemas de Accesibilidad y Estándares (RQ2 y RQ4)

• Estándares: WCAG (Directrices de Accesibilidad al Contenido Web) es el marco de referencia dominante, citado en la gran mayoría de los estudios. COGA (Directrices de Accesibilidad Cognitiva) se menciona solo en un pequeño subconjunto de estudios, lo que indica una brecha en el abordaje de la accesibilidad cognitiva.
• Problemas: El problema más frecuentemente abordado es el texto alternativo faltante o vago para contenido no textual (21 estudios). A esto le sigue el contraste de color insuficiente (16 estudios) y problemas estructurales/semánticos como estructuras de encabezado incorrectas y etiquetas faltantes.
• Riesgos Emergentes: La revisión identifica modos de fallo específicos de los LLM no capturados completamente por los criterios tradicionales de WCAG, incluyendo descripciones de imágenes alucinadas, uso de ARIA roto y defectos de diseño introducidos durante la generación automatizada.

4. Prácticas de Evaluación (RQ5)

Las prácticas de evaluación son metodológicamente diversas pero desiguales. Las evaluaciones empíricas (12 estudios) y las evaluaciones cualitativas (4 estudios) son las más comunes. Sin embargo, la participación directa de usuarios con discapacidades es limitada. Muchos estudios dependen de autores, estudiantes o desarrolladores como representantes, o utilizan auditorías automatizadas e inspecciones de expertos. Cuando se incluyen usuarios con discapacidades, los tamaños de muestra suelen ser modestos y heterogéneos. Un número significativo de estudios no reporta información sobre participantes en absoluto.

5. Cobertura de Discapacidades

La revisión destaca un desequilibrio en la cobertura de discapacidades. Las deficiencias visuales son el grupo más frecuentemente abordado (46.51% de los estudios que involucran participantes). Las discapacidades cognitivas, intelectuales y motoras/físicas están significativamente subrepresentadas.

Significado y Afirmaciones

El artículo se posiciona como una referencia consolidada para que investigadores y profesionales comprendan el panorama actual de la accesibilidad web apoyada por LLM. Afirma que, aunque los LLM muestran promesa para reducir el esfuerzo asociado con el trabajo de accesibilidad, el campo se caracteriza actualmente por:

• Enfoque Orientado a Tareas: Los LLM se ven como herramientas de aumento para tareas específicas (por ejemplo, generación de texto alternativo) en lugar de soluciones integrales de accesibilidad de extremo a extremo.
• Limitaciones Impulsadas por el Cumplimiento: La investigación prioriza en gran medida los criterios de WCAG fácilmente detectables (perceptibilidad) sobre necesidades complejas de accesibilidad cognitiva o experiencial.
• Brechas de Evaluación: La falta de una evaluación rigurosa y centrada en el usuario que involucre a personas con discapacidades limita la validez ecológica de los hallazgos actuales.

Los autores concluyen que la investigación futura debe ampliar el alcance para incluir la accesibilidad cognitiva, explorar arquitecturas de sistema más complejas más allá de los diseños de un solo prompt y adoptar métodos de evaluación participativa para garantizar que las herramientas basadas en LLM beneficien genuinamente a los usuarios con discapacidades sin introducir nuevos riesgos como el cumplimiento alucinado.