Chính xác hay dễ hiểu: bài toán khó nhất của nghề truyền thông khoa học

Hỏi tôi điều gì khó nhất trong nghề truyền thông khoa họcTruyền thông khoa học (Science communication)Truyền thông khoa học là việc dùng kỹ năng, phương tiện, hoạt động và đối thoại phù hợp để tạo ra ở người nghe một hoặc nhiều phản hồi với khoa học: nhận biết, thích thú, quan tâm, hình thành quan điểm và hiểu biết.Xem giải thích đầy đủ →, tôi sẽ không nói là viết hay hay làm video đẹp. Khó nhất là giữ thăng bằng: vừa chính xác về khoa học, vừa đủ dễ hiểu để người ta chịu đọc.

Trong bài phỏng vấn với Hoa Học Trò, tôi có nói: nếu quá ưu tiên sự dễ hiểu, ta dễ làm sai lệch thông tin; còn “nếu quá bám vào độ chính xác học thuật, sản phẩm truyền thông sẽ trở nên khô cứng, không ai đọc” (Minh Thanh, 2026). Bài này là lý do vì sao tôi tin cả hai đầu cán cân đều phải giữ.

Vì sao “dễ hiểu” không phải là chuyện văn phong?

Vì người đọc thật sự gặp khó khi gặp thuật ngữ. Trong một thí nghiệm, người đọc phiên bản có thuật ngữ chuyên môn báo cáo mức độ dễ xử lý thông tin thấp hơn rõ rệt; việc thêm định nghĩa không tạo ra khác biệt có ý nghĩa thống kê về mức độ này (Bullock và cộng sự, 2019). Nhóm tác giả khuyên người truyền thông “eliminate jargon where possible” (loại bỏ thuật ngữ khi có thể).

Vì vậy, viết dễ hiểu là một kỹ năng phải học và rèn, kể cả với người rất giỏi chuyên môn. Cách viết cụ thể được tôi tổng hợp trong bài Viết cho công chúng khác viết bài báo khoa học như thế nào?.

Còn “chính xác” thì giữ bằng cách nào?

Bằng kỷ luật kiểm chứng. Người làm nghề cần đọc được nghiên cứu, hiểu cỡ mẫu, phương pháp và độ tin cậy của dữ liệu, để không lan truyền điều chưa được kiểm chứng; và cần tách bạch truyền thông khoa học với quảng cáo trá hình (Minh Thanh, 2026). Đó cũng là tinh thần tôi đặt cho blog này qua nguyên tắc Đọc có trách nhiệm.

Một bài viết dễ hiểu mà sai thì nguy hiểm hơn một bài khó đọc. Người đọc có thể bỏ qua bài khó đọc, nhưng họ sẽ tin và làm theo bài dễ hiểu.

AI có giúp giải bài toán này không?

Có, nhưng chỉ một phần. Tôi xem AI là trợ lý viết rất tốt cho các việc như tóm tắt tài liệu, giải thích thuật ngữ, viết nháp hay điều chỉnh nội dung cho từng nhóm người đọc; nhưng AI không được là người quyết định cuối cùng về tính đúng đắn của thông tin khoa học (Minh Thanh, 2026).

Lý do rất cụ thể. Khi Walters và Wilder (2023) cho ChatGPT viết các bài tổng quan ngắn về 42 chủ đề, 55% trích dẫn của GPT-3.5 và 18% trích dẫn của GPT-4 là bịa, tức không tương ứng với công trình nào có thật. AI giúp ta nhanh hơn ở phần “dễ hiểu”, nhưng phần “chính xác” vẫn là trách nhiệm của con người. Bài AI trong truyền thông khoa học: hỗ trợ hay rủi ro? phân tích kỹ hơn.

Điều tôi tự nhắc mình

Mỗi khi viết, tôi tự hỏi hai câu: người không học ngành này đọc có hiểu không, và một chuyên gia đọc có thấy chỗ nào sai không. Chỉ khi trả lời “có” cho câu đầu và “không” cho câu sau, bài viết mới xong. Nếu bạn muốn bắt đầu với nghề này, hãy xem lộ trình trong chuyên đề Truyền thông khoa học: bắt đầu từ đâu?.

Đôi lời giới thiệu

Bài viết này viết dựa trên quan điểm của người viết, là Nguyễn Hoàng Anh Khoa (Dy Khoa), giảng viên Khoa Quan hệ công chúng và Truyền thông, Trường Đại học Văn Lang, và là người tốt nghiệp Thạc sĩ Truyền thông Khoa học và Thu hút Công chúngThu hút công chúng (Public engagement)Thu hút công chúng là những cách thức để hoạt động và lợi ích của giáo dục đại học, nghiên cứu được chia sẻ với công chúng; theo NCCPE, đây là quá trình hai chiều, có tương tác và lắng nghe, nhằm tạo lợi ích cho cả hai bên.Xem giải thích đầy đủ → (Science Communication and Public Engagement) tại Universiti Malaya (UM), Malaysia. Đây là lĩnh vực chuyên môn cốt lõi mà anh được đào tạo bài bản và tiếp tục theo đuổi trong nghiên cứu, giảng dạy và thực hành nghề nghiệp.

Nếu bạn thấy bài viết có sai sót hoặc muốn góp ý, vui lòng gửi email về [email protected].