开放研究数据
美国市政网站无障碍性 · CC BY 4.0
这里是我们发布的每一个数字背后的原始数据。任何数字都可以在不接触我们代码的情况下自行重新计算。文件直接提供、不设任何保护——这正是开放数据的含义。
如何引用
Maksim Galatin & AIfa (Claude, Anthropic)。Municipal Website Accessibility: Automated Scan versus Keyboard Traversal。开放数据集，2026 年 9 月 1 日版本。CC BY 4.0。
采用 CC BY 4.0 许可：可任意使用，包括商业用途，注明作者即可。
数据集包含什么
| 文件 | 内容 | 大小 |
|---|---|---|
| traversal-log-2026-09-01.jsonl.gz | 主日志。每行是对一个页面的一次键盘遍历：网址、城市、州、页面类型、到达目标所需的 Tab 次数、路径在何处中断及原因、表单字段是否有标签、截图文件名、判定结果。 | 3,2 МБ 95,524 行 |
| traversal-log-SCHEMA.md | 日志结构说明：逐字段解释、可能取值及读法。 | 13 КБ |
| us-government-axe-audit.jsonl.gz | 使用 axe-core 4.x 引擎对美国政府网站的审计：85 497 次页面检查，按严重程度、规则与页面类型细分违规项。随 mailto 链接进入 CSS 选择器的邮箱地址已隐藏。 | 4,1 МБ 85,497 行 |
| us-organizations-registry.jsonl.gz | 美国机构登记册：覆盖 51 个州与地区的 289 420 条记录——学校、医院、政府机构、零售与服务。这是遍历所依据的对象清单。⚖️ 单独许可：ODbL 1.0，非 CC BY 4.0——登记册衍生自 OpenStreetMap（见 osm_id 字段），© OpenStreetMap 贡献者。发布前已删除 210 730 个电话与 20 859 个邮箱地址。 | 16,0 МБ 289,420 行 |
| us-registry-cisa.jsonl.gz | 截至 2026 年 8 月 31 日的 CISA 联邦登记册——美国市县域名的原始样本。 | 276 КБ 11,659 行 |
| measurement-dates.jsonl.gz | 每张截图的确切拍摄时间。行数与磁盘上核验过的截图数量相同。 | 853 КБ 83,212 行 |
| evidence-hashes-2026-09-01.txt.gz | 完整性登记册：每个证据文件的 SHA-256。该登记册自身的哈希已通过 OpenTimestamps 写入比特币。 | 2,7 МБ 81,065 行 |
| evidence-hashes-2026-09-01.timestamp.json | 时间戳证明：哪些日历服务器接受了该哈希及其时间。 | 2,7 КБ |
| solana-anchor-status.json | 链上锚定的真实状态：比特币部分已完成的内容，以及 Solana 记录目前所处的步骤。 | 2,3 КБ |
| dead-domains-2026-09-01.csv | 登记册中无响应的域名。已人工复核；这一发现关乎政府数据质量，而非无障碍性。 | 30 КБ 1,499 行 |
| unreachable-reasons.csv.gz | 不可达原因汇总表：DNS、TLS、超时、连接被拒等。 | 19 КБ 905 行 |
| tls-certificates.jsonl.gz | 所遍历域名的 TLS 证书状态。 | 483 КБ 8,979 行 |
| entity-classification.jsonl.gz | 主体分类：市、县或其他类型。 | 173 КБ 11,997 行 |
| recaptured-screenshots.jsonl.gz | 后续重新拍摄的截图，注明替换了哪一张及时间。旧版本不会删除。 | 14 КБ 757 行 |
更新记录
数据集有何变化，以及为何变化。数量通过打开文件统计得出，而非依据文件名。记录数曾两次减少——那是对我们不利的更正，而非删减，每一次都已说明原因。
| 日期 | 文件 | 内容 | 变化 |
|---|---|---|---|
| 2026-09-10 | us-organizations-registry.jsonl.gz | 数据集已以正确许可重新分发。机构登记册衍生自 OpenStreetMap——每条记录的 osm_id 字段即可看出——而 OpenStreetMap 采用 ODbL 1.0 许可，该许可要求衍生数据库同样以 ODbL 分发。我们当时以 CC BY 4.0 发布，这是错的。9 月 10 日上午撤下了该数据集；当天傍晚纠正了这一决定：撤下并无必要，只需为此文件标注 ODbL 1.0 即可。现已如此处理——其余数据集仍以 CC BY 4.0 开放，不变。机构名单来自 OpenStreetMap，© OpenStreetMap 贡献者。 | — |
| 2026-08-30 | dead-domains-2026-08-30.csv | 首次发布无 DNS 记录的域名列表——它们列于联邦 CISA 登记册中，却并不存在。 | 1,209 行 |
| 2026-08-31 | dead-domains-2026-08-31.csv | 在遍历其余各州后扩充了列表。 | 1,651 行 +442 |
| 2026-09-01 | dead-domains-2026-09-01.csv | 记录数减少了，而且这一更正对我们不利：我们此前判定为失效的 152 个域名，在用真实浏览器、每个域名尝试四个地址复核时给出了响应。我们更正了自己，而不是删减数据。 | 1,499 行 −152 |
| 2026-09-01 | traversal-log-2026-09-01.jsonl.gz | 键盘遍历主日志：涵盖 11 902 个域名的 95 524 条记录。联邦 CISA 登记册的遍历已完成——全部 11 659 个站点。 | 95,524 行 |
| 2026-09-01 | evidence-hashes-2026-09-01.txt.gz | 完整性登记：每张截图的 SHA-256。当天其自身哈希通过 OpenTimestamps 写入比特币时间戳——此后要伪造截图日期，就得改写比特币。 | 81,657 行 |
| 2026-09-03 | evidence-hashes-2026-09-03.txt.gz | 完整性登记新增 28 442 条：将重复遍历所得截图一并纳入证明。 | 110,099 行 +28,442 |
| 2026-09-09 | us-organizations-registry.jsonl.gz | 新增数据集。美国机构登记册：覆盖全部 51 个行政区的 289 420 条记录——学校、医院、零售与服务业，含网站地址、坐标与行业分组。它是为下一阶段遍历准备的样本，此前一直未公开。公开副本中刻意移除了电话（210 730 个）与邮箱（20 859 个）：它们不参与无障碍测量，且其中有五千个是 gmail 等平台上的私人邮箱。另有 15 个地址从网站字段中清除——在 OpenStreetMap 原始数据里，有人在该字段填了邮箱而不是网页地址。 | 289,420 行 |
| 2026-09-09 | us-government-axe-audit.jsonl.gz | 新增数据集。使用 axe-core 4.x 引擎对美国政府网站的审计：85 497 次页面检查，按严重程度、具体规则与页面类型细分违规项。这是一次独立测量，不能与市政遍历相加：那边由人按 Tab，这里由自动引擎运行，方法不同。随 mailto 链接进入 CSS 选择器的邮箱地址已隐藏——选择器仍然显示违规位置。 | 85,497 行 |
格式
以 .jsonl.gz 结尾的文件是用 gzip 压缩的逐行 JSON：一行一个对象。任何解压工具都能解开，任何程序都能逐行读取，无需整体载入内存。浏览器无法显示这类文件，因此会保存到磁盘——这是压缩包的正常行为，并非错误。
主日志字段
| url | 所检查页面的网址 |
| город / штат | 网站所属城市与州 |
| страница_тип | 页面类型：home、payment、jobs、documents、meetings、311_request 等 |
| шагов_до_цели | 到达目标所需的 Tab 次数；0 表示未到达 |
| где_оборвалось | 路径中断所在的元素 |
| причина | 文字说明：页面未打开、40 次按键内未达目标、N 步内成功 |
| есть_метки_у_полей | 表单字段是否带有供屏幕阅读器识别的标签 |
| контраст_ок | 文本对比度是否达标 |
| скриншот | 测量时所拍截图的文件名 |
| вердикт_человека | 人工判定：可访问、部分障碍、障碍、不可达等 |
| что_сказал_скрипт | 自动检测对同一页面的结论 |
| вендор_платформы | 可识别时给出的网站平台 |
| когда_замер | 测量时间 |
如何确认数据未被替换
每个证据文件都计算了 SHA-256，所有哈希汇入一个登记册，登记册自身的哈希通过 OpenTimestamps 写入比特币——免费，且被三个独立日历服务器接受。如今若不改写比特币，就无法为截图倒填日期。校验步骤见 evidence-hashes-README.txt。
请谨慎对待比例
研究给出三个不同比例，各有各的分母。第一：在自动检测判定为无违规的页面中，53.8 % 未能抵达目标，分母为 25 966。第二：在全部可测页面中，47 271 条里有 74.6 % 未能抵达。第三：在全部 95 524 条日志记录中，12.6 % 抵达了目标。三者都不表示「X % 的网站不可访问」——它们是页面的比例，而非网站的比例。