Ekran Görüntüsü Odaklı Tasarım: Yeni Referans İş Akışı

Tasarımcılar bir yıl önce Pinterest'i açmayı bıraktılar. Bunun yerine ekran görüntüsü alıyorlar. Sonra da bunu yapay zekaya yapıştırıyorlar. Ekran görüntüsünden modele tek bir hareket, ürün tasarımının yeni ön kapısı.

Neredeyse hiç kimse buna isim vermeye zahmet etmedi. Bu makale ona isim veriyor: Ekran görüntüsü odaklı tasarım. Bu, 2026'da her hızlı ürün ekibinde zaten kullanılan iş akışı.

Sessizce moodboard'ların, wireframe'lerin ve bir tasarımcının Figma referans sayfasında eskiden yer alan çoğu şeyin yerini aldı. Ekran görüntüsü artık insanlar ve modeller arasındaki evrensel dil. Bunun ne olduğunu, neden şimdi işe yaradığını, araç setini, metodolojiyi ve bugün uygulayabileceğiniz atölyeyi ele alacağız.

Ekran görüntüsü odaklı tasarım aslında nedir?

Ekran görüntüsü odaklı tasarım, her tasarım görevine gerçek bir ürünün yakalanmış görüntüsünden başlama uygulamasıdır; bir wireframe veya moodboard'dan değil. Çalışan bir şeyin ekranını yakalarsınız. Bunu bir yapay zeka aracına beslersiniz. Modelin desenleri adlandırmasına, token'ları çıkarmasına ve daha da geliştireceğiniz ilk taslağı üretmesine izin veriyorsunuz.

Ekran görüntüsü, spesifikasyon, özet ve istemi aynı anda içeriyor. Çalışmanın şekli değişti. Eski döngü eskiz, tel çerçeve, yüksek çözünürlüklü model, prototip, teslim idi. Yeni döngü ise yakalama, başlık, istem, yineleme, teslim etme.

Beş adım, dördü eskisinden daha hızlı. İlki, tarayıcınızda kaydırırken gerçekleşiyor. Bunun hiçbir yanı teorik değil. Herhangi bir aktif tasarım ekibinin Slack'ini açın ve Pinterest pinlerinin eskiden olduğu hızda uçuşan ekran görüntüleri göreceksiniz.

Bunun önemi, niyetin hızıdır. Bir tel çerçeve, düşük çözünürlükte ve yavaş hızda niyeti iletir. Bir moodboard, havayı iletir ancak yapıyı iletmez. Bir ekran görüntüsü, piksel bölgesini seçme eylemiyle niyeti, yapıyı, tonu, hiyerarşiyi, boşluğu, rengi ve hareketi iletir.

Tasarım sürecindeki diğer tüm unsurlar, ekran görüntüsünün zaten gösterdiği şeyin kayıplı bir sıkıştırmasıdır.

Neden şimdi çalışıyor da 2023'te çalışmıyor?

Bu iş akışının var olabilmesi için iki şeyin olgunlaşması gerekiyordu. Yapay zeka görüşü, gerçek bir ürün ekran görüntüsünü ayrıştıracak ve bir tasarımcı gibi bunun hakkında akıl yürütecek kadar iyi olmalıydı. Ve günlük yakalama araçları, temiz bir referans görüntüsü almayı o kadar ucuz hale getirmeliydi ki, düşünmeden yapabilesiniz. Her ikisi de son yirmi ayda gerçekleşti.

Claude'ün vizyonu, GPT'nin vizyonu ve Gemini'un vizyonu 2025'te aynı çizgiyi geçti. Bir görüntüde ne olduğunu tanımlamaktan, neden orada olduğunu anlamaya geçtiler. Linear pazarlama sitesine bakıp, ana başlıkta H1 başlığında tek kalın yazı tipi, doygunluğu azaltılmış marka rengi, ikincil illüstrasyon için alt ızgara hizalaması ve destekleyici metinde belirli bir hareket gecikmesi kullanıldığını söyleyebilen bir model, tasarım işbirlikçisi olabilir. Süslü bir alt metin oluşturucu değil.

Yakalama tarafı döngüyü tamamladı. CleanShot X, ekran görüntülerini açıklama, paylaşım ve OCR özellikleriyle birinci sınıf bir varlığa dönüştürdü. Raycast, yaptığınız her şeyden tek tuşla erişebileceğiniz sistem çapında bir yakalama yüzeyi ekledi.

Arc, tüm web'i ekran görüntüsü alınmaya hazır bir yer haline getirdi. Ve mühendislerin web uygulamalarını test etmek için kullandığı başsız tarayıcı aracı Playwright, tasarımcıların internetteki herhangi bir sayfayı herhangi bir boyutta, otomatik, tekrarlanabilir ve isteğe bağlı olarak yakalamasına olanak tanıyan bir kısayol haline geldi. Bu araçlar birlikte, referans araştırmasını bir angaryadan bir refleks haline getirdi.

Ekran görüntülerinin moodboard'lardan üstün olduğu beş şey

Moodboard bir atmosfer belgesidir. Ekran görüntüsü, çalışan bir spesifikasyondur. Bu iki şey arasındaki fark, referans araştırmasını nasıl yaptığınızı değiştirmenin tüm argümanını oluşturur ve beş özel noktada ortaya çıkar.

1. Yapı. Bir moodboard, estetiğin arkasına hiyerarşiyi gizler. Bir ekran görüntüsü ise onu ortaya çıkarır.

2. Doğruluk. Bir moodboard yüzde altmışta kalır. Bir ekran görüntüsü yüzde yüz doğrulukla sunulur.

3. Özgüllük. Bir moodboard rahatlık der. Bir ekran görüntüsü ise 450 kalınlıkta, 16 piksellik bir gövde üzerinde 14 piksellik çizgi yüksekliği der.

4. Anlaşılabilirlik. Bir moodboard, bir modelin üzerinde düşünemeyeceği bir ilham yığınıdır. Bir ekran görüntüsü ise bir modelin saniyeler içinde parçalara ayırabileceği tek bir görüntüdür.

5. Yineleme hızı. Bir moodboard bir gün sürer. Bir ekran görüntüsü kütüphanesi otuz saniye sürer ve panonuzda kalır.

Son nokta, çalışan ekipler için en önemli olanıdır. Yineleme hızı katlanarak artar. Beş dakikadan kısa sürede yakalama, alt yazı ekleme ve yeniden yönlendirme yapabilen bir ekip, haftada iki kez moodboard incelemesi yapan bir ekipten daha iyi tasarım yapacaktır.

Bu, moodboard ekibinin bireysel zevki daha iyi olsa bile geçerlidir. Her tasarım probleminde döngü sayısı, ürünlerin kalitesinden daha önemlidir.

2026'da Her Tasarımcının Kullanacağı Yakalama Yığını

İş akışının yakalama tarafı sıkıcı olan kısımdır. Ayrıca çoğu ekip bunu yanlış yapar çünkü bunu yerel ekran görüntüleri olarak ele alıp geçerler. Yerel ekran görüntüleri gündelik kullanım için iyidir. Ekran görüntüsü odaklı iş akışı, işletim sistemiyle birlikte gelenlerden daha hızlı, daha temiz, daha fazla açıklama eklenebilir ve daha tekrarlanabilir bir yakalama yığınına ihtiyaç duyar.

CleanShot X, macOS standardıdır. Kaydırma yakalamaları, öğeye yapışma özelliğiyle bölge yakalama, video, OCR ve gizli bir tasarım kütüphanesi olan bir pano geçmişi sunar. Raycast Window Capture, aktif uygulamaya saygı duyan tüm pencere yakalamaları için onunla eşleşir.

Arc'nin "sayfaya soru sor" özelliği, herhangi bir sekmeye soru sormanıza ve cevabı aynı yüzeyde ekran görüntüsü almanıza olanak tanır. ShareX, Windows'ta aynı işlevi görür. Shottr, daha az yazılım ve daha çok klavye isteyen tasarımcılar için hafif bir CleanShot alternatifidir.

Sonra, web'in kendisini bir yakalama hedefi haline getiren, hafife alınan bir kategori var. Screenshot.rocks, herhangi bir URL'yi herhangi bir cihaz boyutunda çerçeveyle işler. Browserless ve ScreenshotOne, aynı işi API ölçeğinde yapar. Google Lens, gerçek dünyanın ekran görüntüsünü almanıza ve fiziksel ortamdan tasarım referansları çıkarmanıza olanak tanır.

Yakalama yığını tek bir araç değildir. Her biri yakalama probleminin bir diliminde en iyi olan, bunları kuran tasarımcının kas hafızasıyla bir araya getirilmiş küçük bir araç setidir.

Playwright artık bir tasarımcı aracı

2026'da tasarımda en az kullanılan yakalama aracı Playwright'tır ve bu bir tasarım aracı değildir. Mühendislerin tarayıcıları otomatikleştirmek için kullandığı test kütüphanesidir. Tasarımcıların araç setinde yer almasının sebebi basit.

Playwright, altı satır kodla internetteki herhangi bir siteyi açar, herhangi bir görüntüleme alanını ayarlar, ağın yerleşmesini bekler, herhangi bir konuma kaydırır ve piksel mükemmelliğinde bir ekran görüntüsü kaydeder. Ardından, tasarımın nasıl geliştiğini izleyebilmeniz için bunu gelecek hafta tekrar yapar.

Kullanım alanları gördüğünüzde açıkça bellidir. Bir rakip izleme listesi oluşturun ve Playwright'ın her Pazartesi kırk rakibin ön sayfalarını yakalamasına izin verin. Otuz üründe aynı bileşeni, fiyatlandırma tablosunu, boş durumu, karşılama modalını yakalayarak ve otuzunu da tek bir Figma çerçevesine yapıştırarak bir desen kütüphanesi oluşturun.

Pazarlama sayfalarını 1200x675 çözünürlükte (paylaşım görselleri için), 375x812 çözünürlükte (mobil için), 1920x1080 çözünürlükte (tasarım incelemeleri için) aynı komut dosyasında yakalayın.

Bir öğleden sonra Playwright betiği yazmayı öğrenen tasarımcılar da aynı şeyi söylüyor. Eskiden üç saat süren tıklama ve kırpma işlemleriyle yapılan referans araştırması artık otuz saniyelik bir betik çalıştırmayla tamamlanıyor. Bu bir verimlilik artışı değil. Bu farklı bir iş.

Ekran görüntülerini okuyan görsel yığın

Bir ekran görüntüsü, onu okuyabilen model kadar kullanışlıdır. Görsel yığın, ekran görüntüsü odaklı tasarımın ikinci yarısıdır ve buradaki seçimler birbirinin yerine geçemez. Farklı modellerin farklı güçlü yönleri vardır ve çalışan bir tasarımcı, hangi tür ekran görüntüsüne hangi modeli besleyeceğini öğrenir.

Cursor'ın görüntü girişi, tasarım-kodlama işi için en temiz yoldur. Bir ekran görüntüsünü sohbete sürükleyin, Cursor'dan onu bir React bileşeni veya bir Tailwind düzeni olarak yeniden oluşturmasını isteyin ve referansın yapısına saygı duyan kod üretmesini izleyin.

Claude'ün görseli, tipografi, boşluk ve hiyerarşi hakkında akıl yürütmede en güçlü olanıdır. Ekran görüntüsünü yapıştırın ve Claude'ten çalışan tasarım sistemini açıklamasını isteyin. Cevap genellikle gerçek bir denetimden daha faydalıdır, çünkü Claude'in eksiklikler konusunda kibar davranmak için hiçbir teşviki yoktur.

V0, shadcn ve Next.js ekipleri için görüntüden koda dönüştürme iş yükünü üstlenen araçtır. Ekran görüntüsünü bırakın, çalışan bir bileşen alın, aynı yüzeyde yineleyin. ChatGPT'in vizyonu genel bir yaklaşımdır.

Gemini'in vizyonu uzun bağlamda kazanır; on iki rakip firmadan on iki ekran görüntüsü yapıştırıp kalıpları sormak istediğinizde kullanışlıdır. Google Lens, fiziksel dünyayı temiz bir şekilde ele alan tek görselleştirme aracıdır; baskı, mimari ve ürün fotoğrafçılığından referans alan tasarımcılar için kullanışlıdır.

Dört Adımlı Metodoloji

Yakala, başlık ekle, sınıflandır, yeniden birleştir. Her seferinde bu sırayla dört adım. Metodoloji isteğe bağlı değildir.

Ekipler, altyazı ekleme adımını atladıklarında arama yapamayacakları bir ekran görüntüsü kütüphanesiyle karşılaşırlar. Sınıflandırmayı atlayan ekipler, güvenemeyecekleri bir kütüphaneyle karşılaşırlar. Yeniden birleştirmeyi atlayan ekipler, tasarım yapmak yerine kopyalama yaparlar. Her adımın bir amacı vardır ve her biri birbirini etkiler.

Yakalama, sıkıcı disiplindir. Gelecekteki siz ve gelecekteki yapay zeka kütüphane hakkında akıl yürütebilsin diye, her seferinde aynı aracı, aynı adlandırma kuralını, aynı görüntüleme alanını ve aynı kırpma kurallarını kullanın.

Altyazı, çoğu tasarımcının eksik olan avantajı eklediği yerdir. Her ekran görüntüsü, model tarafından değil, sizin tarafınızdan yazılan, neyi kaydettiğinizi ve nedenini açıklayan bir cümlelik metin alır. Neden kısmı, kütüphaneyi aranabilir hale getiren kısımdır.

Sınıflandırma, her ekran görüntüsünü, gerçekte nasıl tasarladığınızla eşleşen küçük bir kategori kümesine atama işidir. Düzen, tip, renk, hareket, boş durum, kahraman, fiyatlandırma, altbilgi, kullanıcıya tanıtım. On beş tane seçin ve bunlara bağlı kalın.

Yeniden birleştirme, iş üreten tek adımdır. Kütüphaneden üç ila beş ekran görüntüsü alırsınız, bunları bir yapay zeka aracına birlikte yapıştırırsınız ve modelden bu kombinasyondan yeni bir şey sentezlemesini istersiniz. Sentez sizindir. Referans onların.

Bir teknik şartname içinde ekran görüntüsü nasıl kullanılır

Ekran görüntüsü odaklı tasarımın en büyük güç çarpanı, ekran görüntülerini teknik şartnamenin içinde kullanmaktır. Geleneksel bir teknik şartname, kelimeler, bağlantılar ve belki de bir Figma yerleştirme içeren bir Notion sayfasıdır.

Ekran görüntüsü odaklı bir teknik şartname, her bölümün referans ekran görüntüsüyle başladığı, yazdığınız başlığı içerdiği ve yapay zeka tarafından oluşturulan desenin ayrıntılı açıklamasıyla bittiği bir Notion sayfasıdır. Ekran görüntüsü, eskiden kelimelerin yaptığı işi yapar.

Şablon kısadır. Spesifikasyonun kapsadığı her bileşen veya ekran için, ilham ekran görüntüsünü, ilhamın yapay zeka analizini, kısıtlama listesini, varyasyon kurallarını ve ekran görüntüsünü gelecek ay yenileyecek olan yakalanmış Playwright komut dosyasına bağlantıyı ekleyin.

Kısıtlama listesi, tasarımcının kendi sesiyle yazdığı tek şeydir. Geri kalan her şey, organize edilmiş referans ve model çıktısıdır. Faydası, teslimatta ortaya çıkar. Mühendisler artık spesifikasyonun ne anlama geldiğini tahmin etmek zorunda kalmazlar.

Ekran görüntüsüne tıklarlar, kaynağı görürler, analizi okurlar ve niyet görünür olduğu için niyete uygun kod gönderirler. Ton, ekran görüntüsüdür. Ekran görüntüsü, spesifikasyondur. Spesifikasyon, üretim sırasıdır.

Ekran görüntüsünden tasarım belirteçleri nasıl çıkarılır

Tasarım belirteçleri eskiden bir Figma kütüphanesinden ve tasarım ile mühendislik arasında uzun bir görüşmeden gelirdi. 2026'da, çalışan bir belirteç kümesine ulaşmanın en hızlı yolu, bir ekran görüntüsünü bir yapay zeka aracına yapıştırmak ve istemektir.

Model size renk değerlerini, aralık ölçeğini, tip rampasını, yarıçapları ve gölge yığınını verecek ve %90'ı doğrudan doğruya çalışacak. Geri kalan %10'u ise sizin zevkinize kalmış.

İşin püf noktası, modelin çalışmasını sağlayan şeydir. Modelden token'ları çıkarmasını istemezsiniz. Modelden ekran görüntüsüne bakmasını ve adlandırılmış token kategorileri, mantıklı varsayılan değerler ve her kategori için bir güven puanı ile birlikte her değer için tek satırlık bir gerekçe içeren bir JSON nesnesi üretmesini istersiniz.

Yapı, modeli spesifik olmaya zorlar. Güven puanı, hangi token'ların daha yakından incelenmeye değer olduğunu belirlemenizi sağlar. Gerekçe, model yanlış olduğunda onu düzeltmenizi sağlar.

Çıktı, token'ları kullanan tasarım araçlarına doğrudan gider. Stil Sözlüğü, Figma Token'lar, Tailwind yapılandırması. Aynı JSON nesnesi üçünü de çalıştırabilir. Ekran görüntüsüne dayalı bir tasarım ekibi, tek bir referans ekran görüntüsünden on beş dakikadan kısa sürede çalışan bir token dışa aktarımına geçebilir.

Kişisel Ekran Görüntüsü Kütüphanesini Nasıl Organize Edebilirsiniz?

Ekran görüntüsü kütüphanesi bir bilgi varlığıdır ve her bilgi varlığı gibi organize edilmediği takdirde hiçbir değeri yoktur. İki başarısızlık modu da eşit derecede kötüdür. Üç bin başlıksız PNG içeren düz bir klasör bir çöp yığınıdır.

Altmış kategori içeren derinlemesine iç içe geçmiş bir taksonomi ise bir labirenttir. Doğru yapı sığ, adlandırılmış ve açıklamalı olmalı ve her yerden arama yapabileceğiniz bir yerde bulunmalıdır.

Çoğu tasarımcı için işe yarayan kütüphane üç seviyeden oluşur. En üst seviye, kaynak ürün başına, ürünün adıyla adlandırılmış tek bir klasördür. Her ürün klasörünün içinde, ekran görüntüleri tarih, sayfa ve bileşeni içeren bir kalıpla adlandırılır.

Her ekran görüntüsünün aynı klasörde, neden kaydettiğinizi anlatan tek bir cümle içeren basit bir metin dosyası olarak yazılmış bir yan açıklaması vardır. Üç seviye. Ekran görüntüsü başına iki dosya. Daha fazla değil.

Depolama kolay kısımdır. iCloud Drive, Dropbox, Notion veya bulut hizmetine senkronize edilmiş yerel bir klasörün hepsi işe yarar. Buradaki püf nokta, kütüphaneyi yapay zeka araçlarınızdan bulunabilir hale getirmektir; bu da onu editörünüzün erişebileceği bir yere yerleştirmek anlamına gelir.

İmleç yerel bir klasörü okuyabilir. Claude bir Drive'a işaret edebilir. Kütüphane, modelin onu talep üzerine okuyabilme yeteneği kadar iyidir ve bu, erken aşamada doğru yapılması gereken bir kurulum kararıdır.

Çalışın, çalmayın

Ekran görüntüsüne dayalı tasarımın en zor kısmı, bir referansı incelemek ile onu kopyalamak arasındaki çizgidir. İş akışı, her ikisini de yapmayı korkutucu derecede kolaylaştırır ve ikisi arasındaki fark, bir tasarımcı ile bir içerik hırsızı arasındaki farktır.

Bu çizgi yasal değil, zanaattır. Ve zanaat, kendi ürününü piyasaya süren bir ekibi, başkasının ürününü renkleri değiştirerek piyasaya süren bir ekipten ayıran şeydir.

Kural basittir. Ekran görüntüsü, kaynak materyal değil, çalışma materyalidir. Herhangi bir kamuya açık ürünü yakalayabilir, alt yazı ekleyebilir, sınıflandırabilir ve referans gösterebilirsiniz. Ekran görüntüsünü v0'a yapıştırıp, çıktıyı olduğu gibi kabul edip, kendi ürününüz olarak piyasaya süremezsiniz.

Metodolojideki sentez adımı, özellikle piksel değil, desen çektiğinizden emin olmak için mevcuttur. Çalışmanız referansla karıştırılabiliyorsa, birleştirme adımını atlamışsınız demektir.

Yasal zemin de önemlidir. Ticari görünüm, telif hakkıyla korunan illüstrasyonlar, marka işaretleri ve korunan düzenler bir nedenden dolayı korunmaktadır. Yapay zekanın ne kadar kolaylaştırdığına bakılmaksızın, bunları kopyalamak hırsızlıktır.

İyi haber şu ki, yakalama, altyazı, sınıflandırma, birleştirme metodolojisi, tasarım gereği ihlali neredeyse imkansız hale getiriyor. İş akışını doğru yapıyorsanız, orijinali kütüphanenizde ve çıktınız ürününüzde bulunur ve ikisi arasında kimsenin karıştıramayacağı kadar mesafe vardır.

Bugün gerçekleştirebileceğiniz atölye çalışması

Ekran görüntüsü odaklı tasarımı bir ekip içinde kurmanın en hızlı yolu, gerçek bir ürün üzerinde tüm döngüyü baştan sona anlatan doksan dakikalık tek bir atölye çalışmasıdır. Ekibinizin önümüzdeki ay piyasaya süreceği bir özelliği seçin. Bu hafta takvimde yer açın.

Dizüstü bilgisayarları, yakalama araçlarını ve herkesin erişebileceği bir yapay zeka yüzeyini getirin. Odayı aşağıdaki adımlardan sırayla geçirin.

1. On beş dakika referans yakalamaya ayırın. Herkes, özelliğe benzer bir sorunu çözen ürünlerin beş ekran görüntüsünü yakalasın.

2. On dakika açıklama yazmaya ayırın. Herkes, her ekran görüntüsü için deseni açıklayan bir cümle yazsın.

3. Yirmi dakika yönlendirmeye ayırın. Herkes beş ekran görüntüsünü yapay zeka yüzeyine yapıştırsın ve bir sentez özeti istesin.

4. Yirmi dakika tasarıma ayırın. Herkes, sentez özetini kullanarak özelliğin ilk taslağını üretsin.

5. On beş dakika incelemeye ayırın. Oda, ilk taslakları yan yana karşılaştırsın.

6. On dakika belgelemeye ayırın. Ekip, kendi iş akışı versiyonları için keşfettikleri kuralları yazsın.

Çıktı iki şeydir: Kendi başına faydalı olan özelliğin çalışan bir ilk taslağı ve ekibin bundan sonraki her projede kullanabileceği, ekran görüntüsü odaklı tasarım için yazılı bir kurumsal stil. Bu atölye çalışması tek seferlik bir egzersiz değil. Yeni bir çalışma moduna geçiş yoludur.

| İş Akışı | Hız | Doğruluk | Yapay Zekaya Uyarlanabilir | En İyi Kullanım Alanı |

|---|---|---|---|---|

| Moodboard Odaklı | Yavaş | Düşük | Zayıf | Marka yönlendirmesi, erken fikir aşaması |

| Wireframe Odaklı | Orta | Orta | Orta | Yapı, akış, erişilebilirlik |

| Ekran Görüntüsü Odaklı | Hızlı | Yüksek | Mükemmel | Ürün tasarımı, yapay zeka destekli ekipler |

Bu Nereye Doğru Gidiyor

Ekran görüntüsü odaklı tasarım son bir durum değil. Geçiş aşamasında. Son nokta, ekran görüntüsünün kendisinin ortadan kalktığı ve referansın, tasarımcının yapay zeka araçlarına tıpkı Figma kütüphanelerinin bugün mevcut olduğu gibi erişilebilir, internetteki herhangi bir ürünün canlı, sorgulanabilir bir temsili haline geldiği bir dünyadır.

Playwright bize bu son noktanın şeklini şimdiden gösteriyor. Ürettiği ekran görüntüleri anlık görüntüler değil. Herhangi bir ürün ekibinin abone olabileceği bir akışın ilk karesi.

Önümüzdeki on iki ay içinde ekran görüntüsü kütüphanesi klasörlerden vektör veritabanlarına, manuel alt yazılardan otomatik etiketlere ve sürükle-bırak yönteminden yapay zeka araçlarına, tasarım yüzeyinin içindeki yerel sorgulara doğru bir dönüşüm geçirecek. Bu eğrinin önünde giden tasarımcılar, bir yakalama yığını, alt yazılı bir kütüphane ve bir görüntüyü tasarım kararına dönüştüren istem kalıplarıyla şimdiden kaslarını geliştirenlerdir.

Yöntem, araçlardan daha uzun süre yaşayacak. Daha büyük değişim ise zevke yaptığı etkidir. Her tasarımcı dünyadaki her referansa saniyeler içinde ulaşabildiğinde, farklılaştırıcı unsur erişim olmaktan çıkıp yargı olmaya başlar.

Hangi ekran görüntülerini kaydedeceğinizi bilmek. Hangi kalıpları birleştireceğinizi bilmek. Modelin bir kalıp hakkında yanlış olduğunu ve sizin haklı olduğunuzu bilmek. Ekran görüntüsü yeni eskiz defteridir ve yargı hala size aittir.