开放研究数据
美国市政网站无障碍性 · CC BY-NC 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, Gemini, Grok)。Municipal Website Accessibility: Automated Scan versus Keyboard Traversal。开放数据集，2026 年 9 月 1 日版本。CC BY-NC 4.0。
采用 CC BY-NC 4.0 许可：注明作者即可用于非商业用途（研究、教学、新闻）；任何商业用途须取得付费许可（contact@codeofdigitaleternity.com）。
数据集包含什么
| 文件 | 内容 | 大小 |
|---|---|---|
| traversal-log-v5-2026-10-02.jsonl.gz | 主日志第 2 版（v5 工具，2026 年 10 月 1–2 日）。每行是一个页面：遍历程序的原始判定、按方案 A 和 B 的类别、测量批次与焦点路径。33.5 % 这一数字即由此计算。 | 12.0 MB 95,216 行 |
| traversal-log-v5-SCHEMA.md | 第 2 版字段说明：类别、判定与类别的对应关系、如何重新计算数字、发布前做了哪些遮蔽。 | 7.7 KB |
| 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 MB 95,524 行 |
| traversal-log-2026-09-01-corrected-2026-10-16.jsonl.gz | 第 1 版主日志的更正副本（2026 年 10 月 16 日）。与原文件恰好有 4 019 行不同：判定依据记录的原因重新计算，原判定保存在字段 вердикт_до_16_10_2026 中，规则保存在字段 исправлено_16_10_2026 中。SHA-256 1b1ee13764ba58aa64bc3ac6c5034ef5c2de159cb06d4c59410ac2e6dcae3be0。 | 3.2 MB 95,524 行 |
| cookie-banner-holds-focus-v21-2026-10-16.csv | 5 个域名上的 19 个页面：Cookie 同意横幅在得到回应之前，把键盘焦点留住整整 60 步。我们从不回应横幅——那等于代他人表示同意——因此这是我们测量工具的局限，而不是网站的障碍。去掉这些页面，第 2.1 版的核心数字为 24.56 %，而非 24.62 %。 | 3.3 KB 19 行 |
| traversal-log-SCHEMA.md | 日志结构说明：逐字段解释、可能取值及读法。 | 15 KB |
| 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 MB 85,497 行 |
| us-government-axe-audit-corrected-2026-10-17.jsonl.gz | axe 审计的更正副本（2026 年 10 月 16–17 日重测）。与原文件恰好在撞上我们 8 秒上限的 2 005 条记录上不同：792 条被 20 秒上限的重测结果替换，1 213 条保留先前结果并新增字段 перемер_16_10_2026。其余 83 492 行与原文件逐字节相同。 | 4.3 MB 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-NC 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 MB 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 KB 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 KB 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 MB 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 KB |
| 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 KB |
| 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 KB 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 KB 905 行 |
| tls-certificates.jsonl.gz | 所遍历域名的 TLS 证书状态。 | 483 KB 8,979 行 |
| entity-classification.jsonl.gz | 主体分类：市、县或其他类型。 | 173 KB 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 KB 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——其余数据集当时仍为 CC BY 4.0；自 2026 年 10 月 5 日起改为 CC BY-NC 4.0（商业用途须取得付费许可）。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 |
| 2026-10-02 | traversal-log-v5-2026-10-02.jsonl.gz | 主日志第 2 版：覆盖 11 902 个域名的 95 216 行，使用新的 v5 工具重新测量（2026 年 10 月 1–2 日）。已测量页面中的障碍比例为 33.5 %（25 252 中的 8 448）；若把几乎看不见的焦点框也算作障碍则为 33.9 %。第 1 版保持不变：由于测量工具已更换，两版数字不能逐一比较——详见 /research/data。焦点路径文本中公职人员的邮箱和电话已做遮蔽处理。 | 95,216 行 |
| 2026-10-16 | traversal-log-2026-09-01-corrected-2026-10-16.jsonl.gz | 第 1 版日志的更正副本；原文件原样保留在旁边。有 4 019 条记录的判定为“无法完成遍历”，而记录的原因却表明遍历已经完成。判定按引擎在其余 15 053 条同类记录中使用的同一规则重新计算：1 703 条改为“可访问”，2 316 条改为“部分障碍”。每条更正的记录都保留了原判定；其余 91 505 行与原文件逐字节一致。 | 95,524 行 −0 |
| 2026-10-17 | us-government-axe-audit-corrected-2026-10-17.jsonl.gz | 美国政府网站 axe 审计的更正副本；原文件原样保留在旁边。有 2 005 条记录撞上了我们自己设定的 8 秒页面加载上限，被记为“未能打开”。10 月 16–17 日用 20 秒上限和同一版本 axe 4.13.0 对它们全部重新测量。只替换了 792 条——页面现在已能打开并完成检查的记录；先前的“已检查”绝不会被今天的失败替换。其余 1 213 条重新测量的记录保持原样，并标注了重测结果。合计：“已检查”40 536 → 41 328，“未能打开”40 661 → 39 869。 | 85,497 行 −0 |
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。数据集第 2 版（2026 年 10 月 2 日，v5 工具）的计算方式不同：没有相应功能的页面不计为障碍，已测量页面中的障碍比例为 33.5 %（25 252 中的 8 448）。详情及两版对比见 /research/data。