Framework · Imagem · 4 min de leitura
Auditoria de representação
Um método de contagem para as pessoas nas imagens do produto: junte todas, anote quem aparece em que papel, compare com quem usa o produto e corrija o brief, para achar estereótipos com evidência e não por sorte.
- 1Juntar
Toda imagem com pessoas no produto, lado a lado.
Inclua e-mails e estados vazios - 2Anotar
O papel que cada imagem dá, e só o que ela mostra com clareza.
Especialista, quem ajuda, atendido - 3Contar
Quantas vezes cada grupo visível aparece em cada papel.
"Quem é sempre o especialista?" - 4Comparar
Ponha a contagem ao lado de quem usa o produto.
"Quem nunca aparece?" - 5Corrigir
Mude brief, prompts e guia, depois as imagens.
Os piores casos primeiro
Depois peça a alguém de fora do time, e repita uma vez por ano
Use quando
- Antes de uma biblioteca, uma sessão de fotos ou um conjunto gerado entrar no produto.
- Alguém nota que "todos os nossos especialistas são parecidos" e o time precisa de fatos, não de opiniões.
- Uma vez por ano, como parte da auditoria de imagens do produto.
Como usar
- Junte toda imagem com pessoas. Exporte ou capture toda imagem do produto que mostre uma pessoa, lado a lado, incluindo estados vazios, onboarding e e-mails. Resultado: um quadro com todas as pessoas do produto.
- Anote o papel, não a identidade. Para cada pessoa, escreva o papel que a imagem lhe dá: especialista, quem ajuda, cliente, trabalhador, quem é atendido, decorativo. Acrescente só o que a imagem mostra com clareza, como faixa de idade, uma deficiência ou tecnologia assistiva visível, ou trabalho com as mãos. Resultado: uma linha por pessoa numa tabela simples.
- Conte os papéis por grupo. Conte quantas vezes cada grupo visível aparece em cada papel. Procure padrões: quem é sempre especialista, quem é sempre atendido, quem nunca aparece. Resultado: uma pequena tabela de contagem.
- Compare com quem usa. Coloque a contagem ao lado de quem realmente usa o produto, segundo a pesquisa ou o analytics, ou de quem vocês querem alcançar. Resultado: as lacunas, escritas como frases ("Nenhum cliente mais velho aparece; um terço dos pedidos vem de clientes com mais de 60").
- Corrija o brief, não só a imagem. Escreva quem vocês querem ver, e em que papéis, no brief de imagem, na lista de fotos, nos prompts do gerador e no guia de imagem. Troque primeiro os piores casos. Resultado: um brief atualizado e uma lista de imagens para trocar.
- Peça a outra pessoa. Mostre o quadro e a contagem a pessoas de fora do time, de preferência a quem as lacunas afetam. Elas notam exclusões mais rápido. Resultado: as observações delas, levadas para o próximo brief.
Exemplo prático
O app de pedidos da padaria audita as suas 46 imagens com pessoas. A tabela mostra que os padeiros (os especialistas) são todos homens jovens, as clientes são todas mulheres jovens com crianças, e ninguém mais velho ou com deficiência visível aparece em lugar nenhum, enquanto a pesquisa do próprio time mostra que muitos clientes fixos são vizinhos aposentados que fazem o pedido da semana. A correção: uma nova lista de fotos para a próxima sessão (uma padeira mais velha no forno, um cliente fixo de bengala buscando o pedido, fotos só de mãos para os passos do pedido), e o guia de imagem agora nomeia os papéis a variar. Seis imagens são trocadas na primeira versão, o resto na sessão de fotos.
Cuidado com
- Adivinhar identidade. Não dá para ver etnia, identidade de gênero ou deficiência numa foto. Anote o que a imagem mostra e o papel que dá, e diga isso no relatório.
- Auditar uma foto de cada vez. Cada foto, sozinha, parece ok. O padrão está no conjunto.
- Corrigir as imagens e não o brief. Troque as fotos sem mudar brief, prompt e guia, e o mesmo padrão volta no próximo lote.
- Tokenismo. Uma foto diversa na home enquanto todo especialista continua igual não é correção. Olhe os papéis.
Modelo
Uma linha por pessoa, depois o resumo.
Imagem | Onde no produto | Papel que a imagem dá | O que a imagem mostra com clareza | Gerada? (s/n)
... | ... | especialista / quem ajuda / cliente / trabalhador / atendido | ... | ...
Resumo
Imagens com pessoas: ... Pessoas contadas: ...
Padrão 1: ... aparecem como ... em ... de ... casos
Padrão 2: ... nunca aparecem no papel de ...
Comparado com quem usa (fonte: ...): ...
Mudanças no brief / lista de fotos / prompts / guia: ...
Imagens para trocar primeiro: ...
Revisado por (de fora do time): ...
- Design JusticeSasha Costanza-ChockLivro · 2020 (Amazon)
- Unmasking AIJoy BuolamwiniLivro · 2023 (Amazon)
- Bianchi et al.FAccT 2023 (site externo)
- Fotografias de pessoas identificáveisWikimedia Commons (site externo)
Os links "Ver na Amazon" são de afiliado: como associado, recebo por compras qualificadas, sem custo a mais para você.