方法说明：我们如何测量市政网站的无障碍程度

版本 1.1 · 2026年9月1日 · Maksim Galatin & Claude (Anthropic) · 采用 CC BY 4.0 许可

为什么需要一份单独的方法说明

世界上并不缺少自动化的无障碍测量。axe-core 之类的扫描器就在做这件事：成本低、可复现，衡量的是页面标记。

但关于「用键盘尝试走完这条路时究竟会发生什么」的数据几乎没有。规则集检查的是标记，它并不试图抵达目标。我们需要的是一次真正在活页面上按 Tab、并观察焦点落在何处的遍历。

我们同时进行两种测量，并将二者相互比较。它们之间的差距正是这项工作的主要成果，而这个差距只有当两种检测走的是完全相同的样本时才能得出。

第一部分：自动测量

样本如何选取

美国部分采用 CISA 机构维护的 .gov 官方域名登记册（cisagov/dotgov-data，CC0 许可，每日更新）。从中选取 City 与 County 类型的机构：51 个州与属地中的 11,659 条记录。

这与靠搜索拼凑出来的名单有重要区别。面对「这些城市是从哪里来的」这一提问，我们有一个一分钟即可核验的答案：整份官方登记册，而不是我们碰巧找到的那些。

欧洲部分采用 OpenStreetMap 中的市政机构，依据 amenity=townhall、office=government 及相关标签。

如何检测

使用真实浏览器（通过 Puppeteer 驱动 Chromium），而不是 HTTP 请求。原因是：当今相当一部分网站由脚本装配而成，检查原始 HTML 测到的并不是人所看到的内容。

在每个网站上：打开页面并等待 domcontentloaded 事件；运行符合 WCAG 2.1 AA 的开放规则集 axe-core；记录每一条被触发的规则、出现次数与 DOM 选择器；寻找缴费页面并检查通往它的路径。

统计什么，如何统计

违规密度 = 被触发的规则数除以受检页面数。用密度而非绝对数量：大型网站页面更多，按违规总数比较等于因规模而受罚。

我们不做什么——这一点很重要

我们不会根据单个页面给整个网站定性，不把警告计为违规，也不用主观评价替代测量。自动化部分只回答一个问题——某条规则是否被触发，除此之外一概不答。

第二部分：键盘遍历

从这里开始的，是任何自动化审计都不做的事。

交给检测方的任务

仅用键盘走完一个想缴纳市政税费或罚款的人所走的路径。完全不碰鼠标。

由谁执行检测

遍历由真实 Chrome 浏览器中的软件代理执行，而不是坐在桌前的人。我们把这一点直说出来，因为下文所有数字该如何理解，取决于这个答案。

代理操作真实页面的方式与没有鼠标的人相同：按 Tab，读取焦点移动到了哪里，并在无处可移之处停下。它不解析原始 HTML，也不凭标记下判断——它走的是带有全部脚本、同意横幅与弹窗的活页面。

这样做带来了什么。 可复现性：同一次遍历可以重新运行并得到相同结果，而真人无法被安排去面对六万七千个页面，也无法在一个月后被要求重走同一条路径。还有规模：这种量级的测量根本无法靠人手完成——这正是此前不存在此类数据的原因。

这样做没有带来什么，我们予以承认。 代理不能替代屏幕阅读器用户，也不衡量页面是否易于理解。它只回答一个问题——单靠键盘能否在物理上抵达目标。我们并不宣称进行过有视障参与者的测试：那件事我们没有做。

每个网站记录哪些内容

最后一个字段最为关键：它使得对同一对象的两次测量得以相互比较。

什么算作障碍

• 焦点不可见（outline: none）——无法判断自己身在何处
• 焦点陷阱——无法用键盘离开该元素
• 字段没有标签——屏幕阅读器无法说明该输入什么
• 不是按钮的按钮——带事件处理的 div 无法获得焦点
• 模态窗口无法用 Escape 键关闭

遍历样本如何选取

两组都要检测：既包括自动检测判定为无障碍的网站，也包括被它判定不合格的网站。否则得到的将是单向测量，只显示对我们有利的那一类错误。

第三部分：比较得出了什么

本研究的核心量值，是机器与遍历之间的差距，并且要在两个方向上分别测量：

虚假的安心——自动检测判定「无障碍」，而遍历走不通。
虚假的警报——自动检测判定不合格，而遍历能够走通。

截至 2026年9月1日 的工作进展

我们承认的局限

1. 美国普查已经结束——CISA 登记册全部走完，11,659 个网站中的 11,659 个。美国的数字已是最终结果；只有在纳入其他国家时才会变化，届时会明确说明。

2. 并非每条记录都有截图。页面根本没有打开的地方，本就无图可截。

3. 反机器人屏障不等于不可访问。屏障之后是什么我们并不知道，也不把它记为障碍。

4. 遍历不能替代真实用户。它只回答一个问题：单靠键盘能否在物理上抵达目标。 八种页面类型各有自己的目标：查找公开文件、提交 311 请求、到达付款步骤、查找会议记录、抵达主导航、查找职位、查找联系方式、查找日历事件。整体数字（74.6 % 未抵达，25.4 % 抵达）涵盖全部八个目标，而非其中之一。仅付款目标的抵达率为 19.0 %。

5. 四十次 Tab 的阈值是我们自己定的。其依据是成功路径的中位数为三次按键，但这终究是我们的选择，而非某项标准。 已做敏感性检验：阈值取 40、60 和 100 时数字完全相同——超过四十次按键无人抵达目标，成功路径的第 99 百分位为 35 次。更低的阈值确实会改变结果：取 30 时抵达比例下降 0.6 个百分点，取 20 下降 2.1，取 10 下降 5.7。核心数字同样变化：40 时为 53.8 %，30 时为 55.0 %，20 时为 57.6 %。因此四十是余量，而非实质性的建模选择。

6. 自动检测无法访问的网站，此前会整体掉出样本。这类网站共 787 个，其中包括整个纽约州；其中 230 个市政当局须在 2027 年 4 月 26 日前达标。我们正按同样的顺序——由大到小——单独对它们进行遍历。

7. 部分页面被检测了两次，我们计算了这会带来什么变化。遍历按轮次推进，同一地址有时会再次进入：这类记录有 348 条，占 95,524 条日志的 0.4 %。我们对每个「地址加页面类型」的组合只保留最新的一条记录，重新计算了全部比例。核心数字完全没有变化：前后均为 74.6 %；抵达比例前后均为 25.4 %。相差百分之一个百分点，我们在此说明，以免日后需要解释。

8. 观测值并不相互独立，我们对此做了测量。同一站点的八项任务彼此关联：构建不佳的站点往往八项全部失败。组内相关系数为 0.263，方差膨胀因子为 2.72——因此八项任务提供的并非八个独立观测，而是约三个。有效样本量为 17 272，而非 47 036 条可测记录。核心数字经此校正后的置信区间为 52.7 % [51.7; 53.8]。未校正时为 [53.2; 54.4]，宽度几乎只有一半，而那将是不真实的。另外：若按市政当局而非按页面计数——每个站点一票——结果为 52.7 %，对比 53.8 %。相差 1.1 个百分点：结论不依赖于计数单位。

开放性

• 原始数据完整发布，包括对我们不利的记录
• 检测代码是开放的
• 附有遍历截图——每个受检页面各一张
• 早期版本中的错误直接写在方法说明里，而不是事后改写

我们也检测了自己

一项关于无障碍的研究，如果自己的网站都不可访问，那就一文不值。2026 年 8 月 27 日，我们用与市政网站完全相同的流程走了自己的全部四个网站：用键盘、在真实浏览器中，每一步都检查焦点是否可见。

我们也把在自己身上发现的问题单独说清楚。我们的代码中有 83 处 outline: none——正是这一行，在我们自己的研究里造成了全部中断的 31 %。它们之所以无害，只是因为被全局的 :focus-visible 规则覆盖了。这恰恰就是「写得不好」与「运行得不好」之间的区别，而我们用自己作了示范。

利益冲突披露

如何引用

Maksim Galatin & Claude (Anthropic). Municipal Website Accessibility: Automated Scan versus Keyboard Traversal. AIfa Works, 2026. CC BY 4.0. aifa.works/research/methodology

反馈

如在方法或数据中发现错误，请来信：contact@codeofdigitaleternity.com

数据本身 — aifa.works/research/data