COMM2953 Precision Writing (RMIT): tiếp cận bài assignment thế nào?

Môn COMM2953 Precision Writing for Digital Engagement ở RMIT Việt Nam là nơi viết hay thôi không còn đủ, điều được chấm là viết để được đọc. Rubric tưởng thưởng bằng chứng cho thấy bạn đã ra một lựa chọn có chủ đích ở cấp độ câu, từ và tiêu đề, và bạn giải thích được vì sao lựa chọn ấy hợp với một người đọc cụ thể trên một nền tảng cụ thể. Phần lớn sinh viên mất điểm ở đây viết văn xuôi rất tròn trịa, rồi không nói được nó được thiết kế để làm gì. Bài viết này trả lời bảy câu hỏi sinh viên Việt Nam tại RMIT thường hỏi các mentor của MAAS nhất trước khi bắt tay vào COMM2953.

Tác giả: Đội ngũ Biên tập MAAS · Hiệu đính bởi mentor Truyền thông cao cấp (viết số và chiến lược nội dung)
Cập nhật: 24/07/2026
Chuyên mục: writing-tips

Môn COMM2953 Precision Writing for Digital Engagement học về điều gì?

Trả lời trực tiếp: COMM2953 là môn năm nhất bậc cử nhân thuộc chương trình Cử nhân Truyền thông Chuyên nghiệp của RMIT, giảng dạy tại RMIT Việt Nam cơ sở Nam Sài Gòn, trong chuyên ngành Truyền thông Số (cùng môn này chạy mã COMM2913 ở Melbourne và COMM2954 ở cơ sở Hà Nội). Môn dạy bạn viết một câu chính xác đủ sức xuyên qua sự phân tán để chạm tới người đọc mục tiêu trong môi trường số. Nội dung gồm các nguyên tắc về độ dễ đọc, cách lựa chọn từ ngữ và văn bản tương tác với thuật toán để giành sự chú ý, cách áp dụng giọng điệu và tiếng nói cho từng nhóm người đọc, cùng đạo đức và cách dùng đúng các công nghệ mới như một công cụ viết. Đơn vị phân tích ở đây nhỏ hơn các môn truyền thông khác của bạn: không phải chiến dịch, mà là câu văn.

Dẫn chứng: Mô tả môn của RMIT nêu thẳng mục tiêu là mài sắc kỹ năng viết và học các kỹ thuật, công cụ để tối đa hóa sự chú ý và mức độ tương tác của người đọc trong môi trường số. Cách diễn đạt ấy quan trọng với điểm số của bạn. Chú ý và tương tác là kết quả đo được của các lựa chọn khi viết, nên bài đánh giá không hỏi bài viết của bạn có hay không; nó hỏi bài viết có làm được một việc mà bạn gọi tên ra được hay không.

Ví dụ: Một bạn sinh viên người Việt tìm tới MAAS với một đoạn web copy bạn mô tả là "viết ổn rồi". Mentor chỉ hỏi một câu: mỗi đoạn được thiết kế để kích hoạt hành vi đọc nào? Bạn không trả lời được. Chỉ viết lại các tiêu đề phụ và câu đầu mỗi phần, sao cho từ mang thông tin đứng trước, bản nháp đã chuyển từ một bài tròn trịa thành một bài bạn bảo vệ được trước rubric.

Bài assignment COMM2953 thường gồm những gì?

Trả lời trực tiếp: COMM2953 được dạy qua workshop, tutorial, thảo luận lớp và nghiên cứu cá nhân lẫn nhóm, và được chấm qua các bài viết thực hành chứ không phải một bài luận truyền thống. Hãy chuẩn bị cho một portfolio gồm nhiều mẩu nội dung số ngắn (web copy, bài mạng xã hội, tiêu đề, email hoặc newsletter), mỗi mẩu viết cho một người đọc và nền tảng được nêu rõ, kèm một bản lý giải hoặc phản tư giải thích các lựa chọn của bạn, và thường có một bài tập viết lại một văn bản đang hoạt động kém. Luôn xác nhận lại đề bài và trọng số trên Canvas của chính lớp bạn, vì chi tiết đánh giá thay đổi theo từng học kỳ.

Dẫn chứng: RMIT chấm theo tiêu chí (criterion-referenced), nghĩa là bài của bạn được đối chiếu với các tiêu chí công bố sẵn chứ không xếp hạng so với bạn cùng lớp. Ở một môn về viết chính xác, các tiêu chí ấy gần như luôn tách sản phẩm (bản copy) khỏi phần lý giải. Sinh viên thường dồn chín phần mười công sức vào sản phẩm rồi viết phần lý giải trong giờ cuối, tức là làm ngược với chỗ điểm thật sự nằm.

Ví dụ: Một bạn nộp ba bài mạng xã hội rất chỉn chu kèm phần lý giải hai đoạn nói rằng giọng điệu "thân thiện và hấp dẫn". Mentor chỉ ra rằng thân thiện và hấp dẫn là hiệu ứng, không phải lựa chọn. Bản viết lại gọi tên các lựa chọn, câu ngắn, động từ đặt trước, xưng hô ngôi thứ hai, và giải thích vì sao mỗi thứ hợp với nền tảng và người đọc. Vẫn ba bài ấy, cao hơn hai bậc.

COMM2953 được chấm thế nào, rubric thật sự tưởng thưởng điều gì?

Trả lời trực tiếp: Rubric COMM2953 tưởng thưởng bốn thứ, đại thể theo thứ tự này: (1) độ chính xác, mỗi từ có xứng đáng chỗ đứng và mỗi câu có chở đúng một ý rõ ràng; (2) độ khớp người đọc, giọng điệu và văn phong có hợp với một người đọc được xác định thay vì một đám đông chung chung; (3) lựa chọn được lý giải, phần rationale có giải thích lập luận đằng sau cách viết bằng khái niệm của môn; và (4) dùng công cụ đúng và có đạo đức, gồm việc minh bạch khi dùng AI tạo sinh. Khoảng cách giữa Credit và Distinction gần như không bao giờ là sự bay bổng. Nó là việc bạn có giải thích được cơ chế hay không.

Dẫn chứng: Rubric truyền thông của RMIT dùng các bậc tiêu chí (Pass, Credit, Distinction, High Distinction), và các bậc cao được định nghĩa bằng động từ đánh giá: "vận dụng có phản biện", "lý giải", "điều chỉnh cho người đọc". Một bản mô tả những gì bạn đã viết, theo đúng định nghĩa, nằm ở bậc thấp. Một lập luận vì sao bạn viết như vậy, neo vào nguyên tắc dễ đọc và người đọc, mới là thứ các bậc cao mô tả.

Ví dụ: Một mentor của MAAS chấm thử bản nháp của bạn sinh viên theo đúng bảng này trước khi nộp và tô sáng mọi câu trong phần lý giải chỉ mô tả chứ không lý giải. Hai phần ba là mô tả. Bạn chỉ viết lại phần lý giải, không đụng tới copy, và điểm nhích trọn một bậc.

Nên dùng khái niệm và khung nào trong COMM2953?

Trả lời trực tiếp: Hãy neo bài vào một số ít khái niệm đã được thừa nhận và thật sự vận dụng chúng, thay vì kể tên thật nhiều. Hữu ích nhất cho COMM2953 là: hành vi lướt khi đọc trên môi trường số và các nguyên tắc trình bày rút ra từ đó; kim tự tháp ngược, đặt kết luận lên đầu; ngôn ngữ giản dị và độ dễ đọc, kèm cả giới hạn đã được ghi nhận của nó; văn phong, giọng điệu và tiếng nói như những lựa chọn tách rời nhau; nguyên tắc đặt trước, để tiêu đề và link mang nghĩa ngay ở hai từ đầu; và đạo đức khi dùng AI tạo sinh trong viết chuyên nghiệp. Chọn hai hoặc ba khái niệm mà bài của bạn thật sự dựa vào, rồi lập luận từ đó.

Dẫn chứng: Các khái niệm này được người chấm công nhận vì chúng biến khẩu vị thành lập luận. Loạt thí nghiệm kinh điển về viết cho web của Morkes và Nielsen cho thấy: viết lại cùng một lượng thông tin theo hướng cô đọng cải thiện tính khả dụng đo được thêm 58%, trình bày cho dễ lướt thêm 47%, bỏ giọng quảng cáo thêm 27%, và gộp cả ba thêm 124%. Đó là khác biệt giữa việc nói "ngắn thì tốt hơn" và việc dẫn ra một cơ chế có con số đi kèm.

Hãy dùng bằng chứng về độ dễ đọc một cách cẩn trọng, vì nó thật sự có hai mặt, và nói ra điều đó sẽ được ghi điểm. Một thử nghiệm ngẫu nhiên có đối chứng năm 2025 trên Journal of General Internal Medicine cho thấy: chỉ hạ cấp độ đọc của thông tin y tế, mà không đổi cách trình bày hay thử nghiệm với người đọc, không cải thiện gì về lượng kiến thức thu được, cảm giác dễ đọc hay mức tin cậy. Các công thức đo độ dễ đọc đếm âm tiết và độ dài câu, chứ không đo độ sáng của ý. Một phần lý giải viết rằng "tôi đã hạ cấp độ đọc, đồng thời tái cấu trúc và đặt thông tin lên trước, bởi riêng cấp độ đọc không tự mang lại khả năng hiểu" chính là kiểu vận dụng có phản biện mà các bậc cao mô tả.

Ví dụ: Một bạn sinh viên người Việt viết trong phần lý giải rằng bạn đã "làm cho văn bản dễ đọc hơn". Mentor đề nghị bạn tách hai việc bạn thật sự đã làm, giản lược từ vựng và tái cấu trúc cho dễ lướt, rồi nêu rõ bằng chứng ủng hộ việc nào mạnh hơn. Bản lý giải mới ngắn hơn và được chấm cao hơn, vì nó lập luận thay vì khẳng định suông.

Từ ngữ và cấu trúc tương tác với thuật toán ra sao?

Trả lời trực tiếp: Văn bản số được đọc hai lần: một lần bởi cỗ máy quyết định nó có hiện ra hay không, một lần bởi con người quyết định có ở lại hay không. Phần lớn nguyên tắc phục vụ được cả hai. Tiêu đề đặt thông tin lên trước, danh từ cụ thể thay vì mơ hồ, mỗi đoạn một ý, và chữ trên link mang nghĩa mô tả đều giúp hệ thống tìm kiếm hay bảng tin hiểu chủ đề, đồng thời giúp người đang lướt tìm ra nó. Ở chỗ hai bên lệch nhau, COMM2953 muốn bạn nhận ra sự căng ấy và xử lý có chủ đích, chứ không nhồi từ khóa rồi hy vọng.

Dẫn chứng: Nghiên cứu theo dõi chuyển động mắt của Nielsen Norman Group qua hai thập niên cho thấy người ta hiếm khi đọc văn bản số theo dòng; họ lướt theo các mẫu hình, và mẫu kém hiệu quả nhất trong số đó, hình chữ F, xuất hiện đúng khi văn bản không có tiêu đề phụ, chữ in đậm hay gạch đầu dòng để dẫn mắt. Hệ quả thực hành rất rõ hướng: người đọc dừng mắt ở hai từ đầu của tiêu đề và của dòng, nên ý nghĩa tới muộn là ý nghĩa bị mất. Thuật toán cũng thưởng cho chính những tín hiệu ấy vì cùng một lý do, cả hai đều đang cố rút ra chủ đề thật nhanh từ một lượng chú ý hữu hạn.

Ví dụ: Tiêu đề bài của một bạn viết là "Vài điều nên biết trước khi đi". Mentor hỏi một người đang lướt dọc mép trái sẽ học được gì từ hai từ đầu. Không gì cả. Viết lại thành "Các bước visa trước khi bay", nó phục vụ được cả người đang lướt lẫn đoạn trích trên trang tìm kiếm, và thay đổi ấy tốn đúng một dòng biên tập.

Nên xử lý AI tạo sinh trong bài COMM2953 thế nào?

Trả lời trực tiếp: COMM2953 đưa hẳn đạo đức và khả năng của công nghệ mới như công cụ viết chuyên nghiệp vào nội dung môn, nên AI là một chủ đề của môn chứ không chỉ là luật bao quanh nó. Quan điểm của RMIT là giảng viên điều phối môn quy định điều gì được phép cho từng bài đánh giá ngay trên Canvas, và mọi cách dùng được phép đều phải ghi nhận và trích dẫn theo hướng dẫn của trường. Cách vừa an toàn vừa được điểm cũng chính là cách nghiên cứu khuyến nghị: kiểm tra thông báo trên Canvas cho đúng bài đó trước, chỉ dùng công cụ cho phần hỗ trợ nếu được phép, kiểm chứng mọi thứ chúng tạo ra, và khai báo rõ ràng.

Dẫn chứng: Không khai báo mới là kiểu hỏng đã được ghi nhận, và nguyên nhân thường là sợ chứ không phải ý định gian dối. Một nghiên cứu tại King's Business School cho thấy có tới 74% sinh viên bỏ trống ô khai báo AI trên phiếu bìa bài nộp, với nỗi sợ bị phạt và hướng dẫn không rõ ràng là hai nguyên nhân chính, dù các mục khác trên cùng tờ phiếu vẫn được điền đầy đủ. Một bài bình luận trên AI and Ethics nêu đúng điểm cốt lõi cho một môn về viết: mô hình tạo sinh sinh ra văn bản chứ không truy xuất nó, nên nó có thể cho ra nội dung tự tin nhưng không nguồn hoặc bịa, và vì vậy mọi thứ nó gợi ý đều phải được kiểm chứng và ghi nhận như bất kỳ công cụ nào khác trong phần phương pháp của bạn.

Ví dụ: Một bạn hỏi mentor của MAAS rằng dùng công cụ để gợi ý các phương án tiêu đề có bị tính là lỗi không. Câu trả lời của mentor mang tính quy trình chứ không phải đạo lý: xem thông báo trên Canvas của đúng bài đó, và nếu được phép, viết một câu trong phần lý giải nói rõ công cụ đã làm gì và bạn đã sửa gì. Bạn làm vậy, và sự minh bạch ấy được đọc như phán đoán nghề nghiệp chứ không phải một lời thú nhận.

Sinh viên Việt Nam hay mắc lỗi gì nhất ở COMM2953?

Trả lời trực tiếp: Các lỗi lặp lại là: viết cho ra vẻ học thuật trong một môn tưởng thưởng tiếng Anh số giản dị; mô tả giọng điệu thay vì lý giải lựa chọn ở phần rationale; xác định người đọc là "tất cả mọi người" hay "người trẻ"; chôn ý chính ở câu thứ ba trong khi người đọc rời đi sau câu đầu; coi độ dễ đọc như một điểm số phải đạt thay vì một tập hợp quyết định; và để trống phần khai báo AI vì lo lắng. Mỗi lỗi này đều làm mất điểm ngay cả khi bài viết sạch sẽ.

Dẫn chứng: Vì môn chấm theo tiêu chí và lấy người đọc làm trục, người chấm đang tìm một người đọc được xác định và một lựa chọn được bảo vệ. Bài viết có thể gửi cho bất kỳ ai thì không thể chứng minh năng lực điều chỉnh theo người đọc, mà đó lại là một tiêu chí riêng. Sinh viên quen viết trang trọng cho các kỳ thi quan trọng thường mang nguyên văn phong ấy sang bài số, nơi chính sự trang trọng đó tạo khoảng cách và làm người đọc chậm lại.

Ví dụ: Đoạn landing page của một bạn mở đầu bằng hai câu dẫn nhập trước khi gọi tên thứ mình chào. Mentor không viết lại giúp. Chị đề nghị bạn xóa hai câu đầu rồi đọc phần còn lại. Bài bắt đầu ngay vào ý chính, và sau đó bạn giải thích được kim tự tháp ngược trong phần lý giải, bởi bạn đã cảm thấy nó vận hành.

Mentor MAAS đồng hành cùng bạn ở COMM2953 mà không vượt lằn ranh ra sao?

Trả lời trực tiếp: Mentor của MAAS làm việc cùng bạn, không làm thay bạn. Mentor giúp bạn giải mã đề bài và rubric, xác định một người đọc có thật thay vì một khái niệm mơ hồ, vận dụng nguyên tắc dễ đọc và hành vi lướt vào chính bản nháp của bạn, và thử sức phần lý giải để phân biệt đâu là mô tả, đâu là lý giải. Bạn giữ quyền tác giả với từng chữ mình nộp; mentor nâng trần những gì bạn tự bảo vệ được.

Dẫn chứng: Vì COMM2953 chấm trên các lựa chọn viết được lý giải chứ không phải độ bóng bẩy, phần lợi bền vững là thói quen gọi tên xem một câu được thiết kế để làm gì. Thói quen ấy chuyển thẳng vào các vị trí content, PR, marketing và UX writing, nơi bạn sẽ phải bảo vệ bản copy trước khách hàng hoặc các bên liên quan. Sự đồng hành xây được lập luận ấy mới là thứ dịch chuyển điểm số và, quan trọng hơn, sống sót vào sự nghiệp của bạn.

Ví dụ: Một bạn sinh viên RMIT người Việt tới với khả năng viết trôi chảy nhưng không giải thích được bất kỳ điều gì trong đó. Qua vài buổi, mentor của MAAS không làm gì ngoài hỏi "vì sao từ này, vì sao ở đây, cho ai" cho tới khi câu trả lời bật ra mà không cần nhắc. Bạn tự viết và tự nộp từng bài. Điểm tăng, và hiện bạn đang biên tập copy cho đồng nghiệp tại một agency ở TP.HCM.

Câu hỏi thường gặp

COMM2953 có khó với sinh viên quốc tế không?
Phần viết thì vừa sức. Cái khó là phần lý giải, nơi bạn phải bảo vệ lựa chọn bằng ngôn ngữ của môn chứ không phải mô tả chúng. Sinh viên từng được rèn viết trang trọng và cầu kỳ thường cần bỏ bớt văn phong đó trước khi các bài số trở nên tự nhiên.

Precision writing trong COMM2953 nghĩa là gì?
Precision writing nghĩa là mỗi từ xứng đáng chỗ đứng của nó và mỗi câu chở đúng một ý rõ ràng cho một người đang lướt chứ không đọc kỹ. Đó là kỷ luật của việc lược bỏ và sắp xếp, không phải giản lược cho có.

Phần lý giải của COMM2953 nên dài bao nhiêu?
Theo đúng đề bài, nhưng quy tắc hữu dụng là mỗi đoạn một lựa chọn được lý giải. Một phần lý giải ngắn gọi tên ba lựa chọn và lập luận từng cái theo nguyên tắc dễ đọc hoặc người đọc sẽ hơn một phần dài chỉ mô tả giọng điệu.

MAAS có viết bài COMM2953 hộ tôi không?
Không. MAAS cung cấp sự đồng hành và rà soát. Mentor giúp bạn giải mã rubric, vận dụng khái niệm và kiểm tra lập luận, nhưng bạn vẫn là tác giả của từng bài viết và từng phần lý giải bạn nộp.

Tôi có được dùng công cụ AI trong COMM2953 không?
Chỉ khi thông báo trên Canvas của đúng bài đánh giá đó cho phép, và chỉ khi ghi nhận theo hướng dẫn trích dẫn của RMIT. Giảng viên điều phối đặt luật theo từng bài, nên hãy kiểm tra ở đó trước thay vì mặc định có một chính sách chung.

Làm sao xác định người đọc cho đúng?
Nêu họ là ai, gặp văn bản ở đâu, muốn gì ngay khoảnh khắc đó, và điều gì sẽ khiến họ rời đi. "Người Việt trẻ đang tìm việc, đọc trên điện thoại lúc di chuyển" là một đề bài bạn viết được. "Người trẻ" thì không.

MAAS đồng hành với sinh viên COMM2953 ra sao

Nếu bạn đang tiếp cận bài COMM2953 Precision Writing for Digital Engagement và muốn một lối đi rõ ràng hơn, MAAS có buổi tư vấn miễn phí 20 phút để cùng bạn xem đề bài và phác thảo hướng làm. Việc đồng hành của MAAS bám theo một chuẩn kết quả ba mức, hỗ trợ ở mức Pass, Merit hay Distinction tùy mục tiêu của bạn, kèm cửa sổ hỗ trợ 90 ngày sau buổi làm việc. Mang theo đề bài, MAAS sẽ ghép bạn với một mentor đúng chuyên môn trong vòng 48 giờ. Khoảng 23% chuyên gia của MAAS có bằng Tiến sĩ, và các mentor truyền thông là những người viết và biên tập đang hành nghề, làm việc cùng bạn để nâng những gì bạn có thể tự bảo vệ, không bao giờ viết bài thay bạn.

Đọc thêm: xem hướng dẫn của MAAS về COMM2789 Digital Content Creation và COMM2381 Communication Strategy and Planning, và dịch vụ học thuật để hiểu cách đồng hành vận hành từ đầu tới cuối.

References

Gonsalves, C. (2025). Addressing student non-compliance in AI use declarations: Implications for academic integrity and assessment in higher education. Assessment & Evaluation in Higher Education. Advance online publication. https://doi.org/10.1080/02602938.2024.2415654

Kerwer, M., Stoll, M., Jonas, M., Benz, G., & Chasiotis, A. (2021). How to put it plainly? Findings from two randomized controlled studies on writing plain language summaries for psychological meta-analyses. Frontiers in Psychology, 12, Article 771399. https://doi.org/10.3389/fpsyg.2021.771399

Mac, O., Ayre, J., McCaffery, K., Bonner, C., & Muscat, D. M. (2025). The readability study: A randomised trial of health information written at different grade reading levels. Journal of General Internal Medicine, 40, 1820–1828. https://doi.org/10.1007/s11606-024-09200-z

Morkes, J., & Nielsen, J. (1997). Concise, SCANNABLE, and objective: How to write for the Web. Nielsen Norman Group.

Redish, J. C. (2012). Letting go of the words: Writing web content that works (2nd ed.). Morgan Kaufmann.

Rentier, E. S. (2025). To use or not to use: Exploring the ethical implications of using generative AI in academic writing. AI and Ethics, 5, 3421–3425. https://doi.org/10.1007/s43681-024-00649-6

Tools & resources

RMIT University. (2026). Precision Writing for Digital Engagement (055688), course guide. RMIT Handbook. https://handbook.rmit.edu.au

Pernice, K. (2019). Text scanning patterns: Eyetracking evidence. Nielsen Norman Group. https://www.nngroup.com/articles/text-scanning-patterns-eyetracking/