[pt] O uso de modelos de aprendizado de máquina se tornou ubíquo para um leque diverso de tarefas. Contudo, ainda não há nenhuma forma estabelecida para refletir sobre questões éticas em seu processo de desenvolvimento. Neste trabalho, realizamos um estudo qualitativo para avaliar duas técnicas propostas pela literatura para auxiliar desenvolvedores a refletirem sobre questões éticas relacionadas à construção e uso de modelos de aprendizado de máquina: (i) Model Cards; e o (ii) Template Estendido de Metacomunicação. Apresentamos nossos resultados a respeito do uso do Model Card pelos participantes, com o propósito de entender como esses atores interagiram com a ferramenta, assim como a dimensão ética de sua reflexão durante nossas entrevistas. Nosso objetivo é melhorar técnicas para desenvolvedores disponibilizaram informações sobre seus modelos e que a reflexão ética sobre os sistemas que desenvolveram. Além disso, nosso trabalho tem como objetivo contribuir para o desenvolvimento de um uso mais justo e ético de sistemas de aprendizado de máquina. / [en] Machine learning algorithms have become widespread for a wide array of tasks. However, there is still no established way to deal with the ethical issues involved in their development and design. Some techniques have been proposed in the literature to support the reflection and/or documentation of the design and development of machine learning models, including ethical considerations, such as: (i) Model Cards and (ii) the Extended Metacommunication Template. We conducted a qualitative study to evaluate the use of these tools. We present our results concerning the use of the Model Card by participants, with the objective of understanding how these actors interacted with the relevant tool and the ethical dimension of their reflections during our interviews. Our goal is to improve and support techniques for developers to disclose information about their models and reflect ethically about the systems they design. Furthermore, we aim to contribute to the development of a more ethically informed and fairer use of machine learning.