Utilizzo di Large Language Model nello sviluppo web e nella valutazione dell'accessibilita: un approccio sperimentale

La rapida evoluzione delle reti neurali artificiali e la crescita della capacità di calcolo hanno accelerato lo sviluppo dell'intelligenza artificiale, in particolare nel campo del machine learning. I Large Language Model (LLM), come GPT-3 e GPT-4 di OpenAI e Gemini di Google, hanno reso le funzionalità avanzate dell'IA accessibili a un pubblico più ampio, inclusi sviluppatori web e analisti di accessibilità. Questa tesi esplora l'uso degli LLM nella generazione e valutazione del codice per applicazioni web, con un focus specifico sulla conformità alle linee guida WCAG 2.2 per l'accessibilità. Il lavoro di tesi si pone due obiettivi principali. Il primo è valutare l'efficacia degli LLM di OpenAI nella generazione di componenti fondamentali per le applicazioni web, quali pagine HTML, fogli CSS, codice JavaScript lato client e PHP lato server a partire da testi di esami universitari e, successivamente, nella valutazione automatica delle soluzioni realizzate dagli studenti. Il secondo obiettivo è sperimentare le prestazioni di un LLM nella verifica dell'accessibilità di applicazioni web esistenti, confrontando i risultati ottenuti con quelli di analisi manuali effettuate da esperti. Gli esperimenti condotti hanno valutato la capacità dei modelli GPT di OpenAI di generare il codice di un’applicazione web completa in base alle specifiche, conforme agli standard HTML5 e alle linee guida WCAG 2.2, nonché la loro accuratezza nella valutazione delle risposte degli studenti e nel rilevare errori di accessibilità che gli strumenti statici non sono in grado di trovare. I risultati mostrano che gli LLM possono essere usati come strumenti efficaci sia nella generazione automatica di codice, sia nell'analisi di accessibilità, supportando l'attività degli esperti e riducendo significativamente il tempo e lo sforzo necessari.