Dostępność cyfrowa WCAG 2.2 AA Szukaj Kontakt
Czytanie i wygląd Ustaw stronę dla siebie

Czytanie i wygląd

Zmiany wyglądu działają również przy wyłączonym asystencie. Nie zastępują dostępności strony.

Wygląd strony

Ustawienia zapisujemy tylko w tej przeglądarce. Przywrócenie wyglądu usuwa ten zapis. Powiększenie przeglądarki pozostaje dostępne niezależnie.

Czytanie treści

Usługa głosu zostanie sprawdzona po otwarciu panelu.

Czytamy widoczną treść główną. Pomijamy menu, formularze i panele boczne. Nie używamy mikrofonu. Przy wyborze głosu asystenta czytany tekst trafia do skonfigurowanej usługi mowy. Nie przełączamy automatycznie na inny głos.

WCAG Akademia

Jak działa analiza w WCAG Akademii

Pokazujemy, jak powstaje wynik automatycznego audytu. Nie ukrywamy narzędzi, sposobu przetwarzania danych ani ograniczeń automatyzacji.

Narzędzia używane podczas audytu strony

Playwright

Playwright steruje przeglądarką podczas badania: uruchamia ją, otwiera wskazany adres i pozwala przeprowadzić analizę na wyrenderowanej stronie. Sam nie ocenia zgodności z WCAG – służy wyłącznie do automatyzacji przeglądarki.

Chromium

Chromium to otwartoźródłowa przeglądarka. W naszym audycie renderuje HTML, CSS i JavaScript badanej strony. Dzięki temu analizujemy DOM i style dokładnie takie, jakie widzi silnik przeglądarki, a nie tylko surowy kod pobrany z serwera.

axe-core

axe-core firmy Deque to otwartoźródłowy silnik do automatycznego testowania dostępności interfejsów opartych na HTML. Uruchamiamy go przez integrację z Playwrightem i wybieramy reguły powiązane z WCAG 2.0, 2.1 i 2.2 na poziomach A i AA. axe-core zwraca m.in. naruszenia, testy zaliczone oraz wyniki, których nie potrafi jednoznacznie rozstrzygnąć – te wymagają dodatkowej weryfikacji.

WCAG Akademia

Nasza warstwa nie zastępuje axe-core. Odpowiada za bezpieczne uruchomienie badania, zapis wyników, polskie opisy problemów, powiązanie reguł z kryteriami WCAG, zliczanie elementów, porównywanie kolejnych audytów, monitorowanie regresji, listę testów ręcznych oraz generowanie raportów HTML i PDF.

Node.js i Laravel

W środowisku Node.js działa worker Playwright/axe-core. Laravel obsługuje aplikację, kolejki, bazę danych, historię, monitoring i wyświetlanie raportów. Te elementy organizują cały proces, ale same niczego pod kątem WCAG nie oceniają.

Co się dzieje po uruchomieniu audytu

  1. Sprawdzamy, czy adres jest bezpieczny, i blokujemy połączenia z adresami lokalnymi i prywatnymi.
  2. Worker uruchamia Chromium przez Playwrighta i otwiera badaną stronę.
  3. Strona renderuje się z HTML, CSS i JavaScriptu. Podstawowy skan używa widoku 1440 × 900 pikseli CSS.
  4. axe-core wykonuje zestaw automatycznych reguł dostępności powiązanych z poziomami A i AA WCAG.
  5. Wyniki wracają jako dane techniczne, a my porządkujemy je i przygotowujemy raport po polsku.
  6. Przy kolejnych audytach tego samego adresu system porównuje wyniki i pokazuje problemy nowe, wciąż obecne, usunięte i powracające.

Jak powstaje wynik od 0 do 100

Wynik techniczny to nasz własny wskaźnik. Nie pochodzi od W3C i nie jest oceną wystawianą przez axe-core.

W obecnym algorytmie zaczynamy od 100 punktów. Każdy element objęty automatycznie wykrytym naruszeniem obniża wynik o 1,5 punktu. Elementy z naruszeń oznaczonych przez axe-core jako serious (poważne) lub critical (krytyczne) odejmują dodatkowe 1,5 punktu. Wynik zaokrąglamy i ograniczamy do przedziału 0–100.

Wskaźnik służy przede wszystkim do porównywania kolejnych badań tego samego serwisu i wychwytywania regresji. Nie jest procentem spełnionych kryteriów WCAG i nie może zastępować deklaracji zgodności.

Czego automat w pełni nie sprawdzi

W3C podkreśla, że żadne narzędzie automatyczne nie stwierdzi samo, czy strona jest zgodna ze standardem dostępności. Potrzebna jest ocena człowieka.

Automat nie oceni dobrze m.in. sensu tekstów alternatywnych, logiki treści, wszystkich scenariuszy obsługi klawiaturą, jakości komunikatów, poprawności audiodeskrypcji, wygody korzystania z technologiami asystującymi ani wszystkich wyjątków przewidzianych w kryteriach WCAG.

Podstawowy skan bada stronę w takim stanie, w jakim jest zaraz po załadowaniu. Nie otwiera sam każdego menu, okna modalnego, zakładki ani innych ukrytych elementów interfejsu. Je trzeba sprawdzić ręcznie albo w osobnym scenariuszu testowym.

Skąd w raporcie sekcja „Do dodatkowej weryfikacji”

axe-core oznacza wynik jako incomplete (niekompletny), gdy nie potrafi go rozstrzygnąć bez dodatkowego kontekstu. Pokazujemy takie wyniki osobno, zamiast z automatu uznawać je za błąd albo za zaliczony test.

Testy ręczne

Raport techniczny zawiera listę testów ręcznych: m.in. obsługę klawiaturą, widoczność fokusu, reflow, strukturę informacji, cel linków, komunikaty formularzy, treści nietekstowe i rozmiar elementów dotykowych. Wyniki tych testów możesz zapisać przy konkretnym audycie.

Jak powstaje PDF

Eksport do PDF nie uruchamia audytu ponownie. Najpierw tworzymy samodzielny raport HTML, a potem Playwright uruchamia lokalnie Chromium i zapisuje ten dokument jako PDF w formacie A4.

AI nie jest częścią podstawowego audytu

Wyjaśnienia AI to funkcja opcjonalna, działająca niezależnie od badania axe-core. Bez AI audyt wykona się tak samo i da ten sam wynik techniczny. Odpowiedź AI ma charakter pomocniczy i nie jest deklaracją zgodności.

Źródła i dokumentacja narzędzi

Opis dotyczy aktualnej architektury WCAG Akademii. Narzędzia i ich wersje mogą być aktualizowane wraz z rozwojem serwisu, ale zmiana metody oceny lub sposobu liczenia wyniku powinna być opisana w historii zmian.

Asystent korzysta z AI. Odpowiedzi mogą wymagać weryfikacji.

Jak działa AI?

Funkcje AI w WCAG Akademii są obecnie wykonywane na prywatnej, lokalnej stacji obliczeniowej operatora projektu, działającej w prywatnej infrastrukturze domowej.

Obecna stacja wykorzystuje NVIDIA RTX A5000 z 24 GB pamięci VRAM, około około 128 GB RAM oraz 2× Intel Xeon E5-2667 v4, łącznie 32 wątki.

W zależności od zadania wykorzystywane są lokalne modele:

  • wcag-fast — szybkie odpowiedzi asystenta.
  • wcag-documents — dokumenty, treści i ETR.
  • wcag-general — ogólna analiza treści.
  • wcag-master — bardziej złożona analiza i kontrola jakości.
  • qwen3-embedding — wyszukiwanie w lokalnej bazie wiedzy RAG.

Lokalne przetwarzanie na pojedynczej stacji roboczej może być wolniejsze niż usługi dużych centrów danych. Prostsze zadania zwykle kończą się szybciej, a analiza dokumentów, ETR lub większych materiałów może wymagać kilkunastu albo kilkudziesięciu sekund.

Projekt jest rozwijany. Wraz ze wzrostem liczby użytkowników infrastruktura będzie stopniowo modernizowana.

AI może popełnić błąd. Wynik jest pomocą w pracy, a nie automatycznym potwierdzeniem zgodności z WCAG, ETR, RODO ani innymi przepisami.

Nie wprowadzaj danych osobowych ani informacji poufnych, jeżeli nie są potrzebne do wykonania zadania.

Zgłoś problem z odpowiedzią AI
Co jest nie tak?

Nie wklejaj danych osobowych ani poufnych informacji. Wystarczy krótko opisać problem.