COMM3050 Data Use and Misuse chấm năng lực phán đoán nhiều hơn năng lực kỹ thuật, cụ thể là khả năng phân biệt một phát hiện bạn có quyền hành động theo với một phát hiện bạn không có quyền. Bài viết này giúp bạn chuẩn bị cho đúng loại câu hỏi đó, từ cách lập luận vượt lên trên mức hợp pháp, cách giải thích một kết quả thuật toán thiên lệch mà không đi tìm thủ phạm, tới cách giữ một kho tình huống thật trong suốt kỳ học. Rất ít môn học đặt chữ misuse, tức lạm dụng, vào tên của mình, và khi một môn làm vậy thì nó đang báo trước cách nó sẽ được chấm. Một môn tên Data Analytics kiểm tra xem bạn có rút ra được một phát hiện hay không, còn môn này là một bài toán phán đoán khoác áo kỹ thuật. Sinh viên đi lên từ nhánh phân tích dữ liệu của chương trình thường mất vài tuần đầu để trả lời rất tốt một câu hỏi mà môn học không hỏi.
Tác giả: Ban Biên tập MAAS
Cập nhật: 18/08/2026
Chuyên mục: communication-pr
COMM3050 là môn gì, và thông tin nào đã được kiểm chứng?
Trả lời trực tiếp: COMM3050 Data Use and Misuse là môn năm ba trị giá 6 đơn vị tín chỉ (units of credit) thuộc UNSW Business School, do School of Management and Governance phụ trách. Môn có điều kiện tiên quyết, mở ở Term 1 và Term 3, và có ba hình thức học. Trước khi đăng ký, bạn nên đọc handbook của đúng năm mình học, vì những thông tin này có thể thay đổi giữa các năm.
Bằng chứng: Trang handbook UNSW năm 2026 ghi môn ở mức 6 đơn vị tín chỉ, ghi quy định đăng ký là Prerequisite: COMM2501 or INFS3603, tức phải học xong COMM2501 hoặc INFS3603 trước, liệt kê các kỳ mở lớp là Term 1 và Term 3, và công bố ba biến thể hình thức học, mỗi biến thể 3 giờ tiếp xúc mỗi tuần, gồm học trực tiếp, học đa phương thức (multimodal) và học trực tuyến hoàn toàn. Thời khoá biểu của UNSW ghi đơn vị chủ quản là School of Management and Governance thuộc UNSW Business School.
Việc đổi mã môn kéo theo hệ quả về đăng ký, không chỉ là chuyện tài liệu ôn tập. Handbook ghi rõ môn này trước đây mang mã COMM2050, và sinh viên đã hoàn thành COMM2050 thì không được đăng ký COMM3050. Vì vậy, nếu bạn tìm thấy ghi chép học tập mang mã cũ, nội dung có thể liên quan, nhưng cấu trúc đánh giá gần như chắc chắn đã khác, và quan trọng hơn, bạn nên kiểm tra bảng điểm của chính mình trước khi đăng ký. Đề cương môn học (course outline) được công bố riêng cho từng kỳ là có lý do. Hãy dùng đề cương của đúng kỳ bạn học và coi mọi tài liệu khác là tài liệu nền.
Một phân biệt nên làm sớm, theo cùng logic mà Solove (2006) dùng khi tách các loại tổn hại về quyền riêng tư thay vì gộp chúng làm một. Nếu bạn đã học COMM1190 Data Insights and Decisions, bạn có thể nghĩ môn này là phần tiếp nối. Thực ra hai môn thuộc hai loại khác nhau. Môn năm nhất hỏi bạn rút ra một kết luận có thể bảo vệ được từ dữ liệu bằng cách nào. Môn này hỏi liệu có nên thu thập dữ liệu đó ngay từ đầu hay không, bạn có được phép hành động theo kết luận hay không, và ai gánh chi phí nếu bạn sai.
COMM3050 được viết cho ai?
Trả lời trực tiếp: Môn học được viết cho lãnh đạo và nhà quản lý doanh nghiệp, không phải cho chuyên gia kỹ thuật. Việc cần làm vì vậy giống điều Barocas và Selbst (2016) làm cho người đọc ngành luật, tức chuyển một cơ chế kỹ thuật thành một quyết định quản trị. Vì vậy, chuẩn cho mọi câu trả lời của bạn là một lãnh đạo không đọc phần phương pháp vẫn phải theo được lập luận và thấy nó vững.
Phần mô tả môn học nói rõ đối tượng này. Dữ liệu lớn và trí tuệ nhân tạo đã làm thay đổi hoạt động kinh doanh, và chính các nhà quản lý, chứ không riêng chuyên gia kỹ thuật, là những người cần hiểu cơ hội lẫn rủi ro trong việc thu thập, phân tích, chia sẻ và sử dụng dữ liệu, gồm cả phạm vi mà pháp luật cho phép.
Cách đóng khung ấy tạo ra không gian mà bài của bạn được chấm, còn điều kiện tiên quyết cho bạn biết những ai đang cùng học. Ai cũng đã qua COMM2501 hoặc INFS3603, nên không ai bắt đầu từ con số không, nhưng khoảng cách phía trên cái sàn đó rất rộng, và cách đánh giá không thể tưởng thưởng chiều sâu kỹ thuật mà một nửa lớp không tạo ra được. Thứ nó có thể tưởng thưởng là lập luận mà cả một người giỏi kỹ thuật lẫn một lãnh đạo không chuyên đều thấy chặt chẽ. Nếu câu trả lời của bạn đòi người đọc phải hiểu sẵn phương pháp mới theo được, nó đã trượt đúng tiêu chí mà môn học được dựng ra để dạy.
| Môn phân tích dữ liệu tưởng thưởng gì | Môn này tưởng thưởng gì |
|---|---|
| Bạn dựng được mô hình không | Có nên dựng mô hình này ngay từ đầu không |
| Kết quả có ý nghĩa thống kê không | Kết quả có hành động được không, và hành động cho ai |
| Dự báo chính xác tới đâu | Ai chịu thiệt khi dự báo sai |
| Dữ liệu có sẵn không | Dữ liệu có được dùng chính đáng trong bối cảnh này không |
| Giải thích phương pháp | Giải thích quyết định cho người sẽ không đọc phần phương pháp |
Vì sao "trong phạm vi pháp luật cho phép" chưa phải câu trả lời trọn vẹn?
Trả lời trực tiếp: Tính hợp pháp là cái sàn mà môn học yêu cầu bạn nhận diện rồi lập luận cao hơn nó. Nissenbaum (2004) làm đúng bước này khi tách những luồng dữ liệu hợp pháp khỏi những luồng tôn trọng bối cảnh mà dữ liệu được tạo ra. Những bài dừng lại ở mức tuân thủ luật thường đã bỏ lỡ phần lớn số điểm mà môn học dành cho lập luận.
Phần mô tả môn học nêu đích danh phạm vi pháp luật cho phép là một phần nội dung, nên lớp pháp lý nằm trong phạm vi ra đề và bạn không thể bỏ qua nó. Tuy nhiên, một môn học đồng thời nêu các cân nhắc xã hội và đạo đức, rồi yêu cầu bạn cân chúng với mục tiêu của tổ chức, là đang báo hiệu rằng "được phép" và "bảo vệ được" là hai phép thử khác nhau. Có rất nhiều cách dùng dữ liệu mà không cơ quan quản lý nào cấm, nhưng vẫn gây tổn hại cho chính tổ chức áp dụng chúng.
Bằng chứng: Nissenbaum (2004) đưa ra khái niệm giải thích được nhiều tình huống nhất trong mảng này. Bà lập luận rằng quyền riêng tư không phải là sự giữ bí mật mà là tính toàn vẹn theo bối cảnh (contextual integrity), nghĩa là mỗi luồng thông tin mang theo những chuẩn mực gắn với bối cảnh đã sinh ra nó, và vi phạm xảy ra khi dữ liệu chuyển sang một bối cảnh có chuẩn mực khác, kể cả khi không có gì bị che giấu. Cách đóng khung này giải thích được những tình huống sinh viên thường thấy khó nắm, chẳng hạn vì sao ghép hai tập dữ liệu vô hại riêng lẻ lại tạo ra thứ mà người trong cuộc cảm nhận như một vụ xâm phạm.
Bằng chứng: Solove (2006) đáng đọc kèm, vì ông chia tổn hại về quyền riêng tư thành nhiều loại phân biệt được thay vì coi đó là một khối. Có được vốn từ ấy, bạn nói được chính xác một cách làm đang tạo ra loại tổn hại nào, và sự chính xác đó là thứ tách một lập luận đạo đức khỏi một lời bày tỏ băn khoăn chung chung.
Ví dụ: Khi được yêu cầu đánh giá kế hoạch của một nhà bán lẻ muốn suy ra các sự kiện lớn trong đời khách hàng từ hành vi mua sắm, một bài yếu ghi rằng dữ liệu được thu thập hợp pháp, khách hàng đã đồng ý qua điều khoản dịch vụ, nên cách làm này chấp nhận được. Một bài mạnh hơn thừa nhận toàn bộ những điều đó, rồi lập luận rằng phép suy đoán đã đưa dữ liệu mua sắm sang một bối cảnh có những chuẩn mực mà khách hàng chưa từng đồng ý. Bài đó gọi tên tổn hại cụ thể theo cách phân loại của Solove là tổng hợp (aggregation), tức ráp những bản ghi vô hại riêng lẻ thành một thứ mới, chứ không phải tiết lộ điều gì khách hàng đang giấu, và nêu rủi ro kinh doanh phát sinh khi khách hàng biết mình đã bị suy đoán những gì. Hai bài đi tới cùng một kết luận pháp lý, nhưng chỉ một bài đang trả lời đúng câu hỏi mà môn học này đặt ra.
Câu hỏi về quyết định của thuật toán có cái bẫy nào?
Trả lời trực tiếp: Sinh viên có xu hướng đi tìm ý đồ xấu đằng sau một kết quả thiên lệch. Điều môn học muốn thấy lại khác, đó là kết quả phân biệt đối xử có thể nảy sinh từ những lựa chọn kỹ thuật bình thường, dù không ai quyết định phân biệt đối xử. Barocas và Selbst (2016) dành cả bài báo để lần theo cơ chế này, nên đây là nguồn nên đọc trước.
Bản năng đi tìm một thủ phạm có chủ ý, thay vì một nguyên nhân kỹ thuật bình thường, là chỗ một sinh viên tự tin về kỹ thuật hay viết ra một câu trả lời sai một cách tự tin nhất. Khi đề cho biết một mô hình tuyển dụng hay cho vay tạo ra kết quả chênh lệch giữa các nhóm, phản xạ thường là tìm một người có lỗi, một biến số thiên lệch hay một chỉ dẫn sai. Thường thì chẳng có gì trong số đó, và môn học vẫn muốn bạn giải thích được kết quả ấy.
Bằng chứng: Barocas và Selbst (2016) lần theo cách tác động chênh lệch (disparate impact) nảy sinh qua những bước rất thường quy, gồm cách định nghĩa biến mục tiêu, cách gán nhãn dữ liệu huấn luyện, việc chọn đặc trưng nào, và cách các khuôn mẫu lịch sử bị mã hoá thành những biến đại diện (proxy) trông có vẻ trung tính. Ngay trong phần tóm tắt, hai tác giả viết thẳng về cơ chế đó: "the resulting discrimination is almost always an unintentional emergent property of the algorithm's use rather than a conscious choice by its programmers" (Barocas & Selbst, 2016, p. 671), tức sự phân biệt đối xử phát sinh gần như luôn là một hệ quả ngoài ý muốn của việc dùng thuật toán, không phải lựa chọn có ý thức của người lập trình. Phân tích của họ là lý do một bài tốt có thể chỉ ra một cơ chế thay vì chỉ ra một kẻ vi phạm.
Bằng chứng: Mittelstadt và cộng sự (2016) sắp xếp cuộc tranh luận thành những nhóm mối lo phân biệt được, trong đó có bằng chứng chưa đủ để kết luận, bằng chứng không soi xét được, bằng chứng dẫn sai hướng, cùng với kết quả bất công và khả năng truy vết. Cấu trúc này dùng được ngay trong điều kiện thi, vì nó cho phép bạn nói tình huống thuộc loại vấn đề nào thay vì mô tả nó chung chung như một vấn đề đạo đức.
Bằng chứng: boyd và Crawford (2012) là nguồn tham chiếu cho lỗi đóng khung nằm dưới nhiều tình huống loại này. Lập luận của hai tác giả, rằng tập dữ liệu lớn hơn không tự động tốt hơn và dữ liệu bị tách khỏi bối cảnh thì mất nghĩa, đánh thẳng vào giả định rằng quy mô có thể thay thế cho tính hợp lệ. Đó là đối trọng cho phản xạ nghĩ rằng cứ thêm dữ liệu là giải quyết được một vấn đề đo lường.
Điểm nằm ở đâu: Điểm nằm ở chỗ gọi tên cơ chế, loại cơ chế mà Mittelstadt và cộng sự (2016) liệt kê và boyd cùng Crawford (2012) cảnh báo là không thể tự hiển nhiên chỉ nhờ quy mô dữ liệu, rồi nói tổ chức thực sự làm được gì với nó. Một bài nhận ra hiện tượng phân biệt qua biến đại diện rồi dừng lại mới chỉ chẩn đoán. Một bài nói thêm can thiệp nên đặt ở khâu nào trong quy trình và can thiệp đó tốn gì là đã tư vấn, và tư vấn là năng lực mà một môn quản trị đang rèn.
Phần trình bày được chấm thế nào?
Trả lời trực tiếp: Kỹ năng trình bày được chấm trực tiếp, trong đó có một bài thuyết trình cá nhân. Vì vậy, cách bạn trình bày lập luận là một phần của thứ được chấm, không phải lớp vỏ bọc bên ngoài lập luận. Người chấm muốn thấy lập trường của bạn đứng vững khi được nói ra trước người nghe và khi bị một người có năng lực phản bác.
Các buổi tutorial, tức giờ thảo luận theo nhóm nhỏ, có sức nặng thật ở môn này. Thời lượng tiếp xúc công bố là 3 giờ mỗi tuần, và thời khoá biểu của hình thức học trực tiếp cho thấy nhiều nhóm tutorial đi cùng một luồng bài giảng duy nhất, một cấu trúc dựng cho thảo luận chứ không phải cho việc truyền đạt nội dung. Thảo luận tình huống trong một môn học về những phán đoán còn tranh cãi không phải là ôn bài. Đó là nơi duy nhất bạn biết được lập trường của mình có đứng vững khi một người có năng lực phản đối hay không, và đó đúng là điều phần đánh giá dạng nói đang đo.
Làm nhóm ở mảng này thường hỏng theo một kiểu rất đặc trưng. Cả nhóm chia tình huống theo từng phần, mỗi người viết phần của mình, rồi bài nộp lên mang hai lập trường không tương thích về chính câu hỏi trung tâm, vì chưa ai buộc sự bất đồng ấy phải được nói ra. Cách chữa ít tốn công là cả nhóm chốt lập trường trước, gói trong một hoặc hai câu mà ai cũng nhắc lại được, rồi mới chia nhau viết.
Nên chuẩn bị cho COMM3050 thế nào trong suốt kỳ học?
Trả lời trực tiếp: Hãy ghi chép tình huống thật đều đặn suốt kỳ, mỗi tình huống gồm tên tổ chức, việc tổ chức đó làm với dữ liệu, chuẩn mực bị vượt qua, và thời điểm một nhà quản lý lẽ ra có thể chọn khác. Sau đó, củng cố lớp kiến thức bạn thấy yếu nhất trong ba lớp luật, đạo đức và quản trị, và đọc quy định chặn đăng ký với người đã học COMM2050.
Nội dung môn này có lợi cho người có sẵn một kho tình huống thật, mà tình huống thì gom trước rất rẻ, còn đi tìm vào đúng tuần phải nộp bài thì tốn kém vô cùng. Hãy giữ bản ghi đơn giản tới mức bạn thật sự duy trì được, với bốn trường là tổ chức nào, đã làm gì với dữ liệu, việc đó vượt qua chuẩn mực nào, và tới thời điểm nào một nhà quản lý lẽ ra đã có thể chọn khác. Trường cuối cùng là trường sinh lời, vì nó biến một câu chuyện thành một lập luận. Nó cũng giúp bạn tránh hai vụ bê bối đình đám mà một nửa lớp sẽ cùng chọn.
Còn một việc nữa nên làm sớm. Môn học nằm ở giao điểm của luật, đạo đức và quản trị, trong khi sinh viên thường chỉ chuẩn bị cho lớp nào mình thấy dễ chịu nhất. Nếu bạn mạnh về kỹ thuật, phần pháp lý và phần chuẩn mực là nơi bạn còn nhiều điểm để giành. Nếu bạn đến từ ngoài chuyên ngành phân tích dữ liệu, cái giá lại khác, vì bạn cần hiểu đủ cách một mô hình thực sự được dựng để nói được vấn đề đã lọt vào ở khâu nào trong quy trình. Một lập luận đạo đức không định vị được cơ chế sẽ đọc lên chỉ như lời bình luận.
Trước khi lên bất kỳ kế hoạch nào quanh môn này, hãy mở trang handbook của đúng năm bạn học và tự đọc phần quy định đăng ký. Ở đó có một điều kiện tiên quyết, có ba môn xung khắc, và có quy định chặn đăng ký nếu bạn đã hoàn thành COMM2050. Lịch mở lớp, hình thức học và cách đánh giá đều được ấn định theo từng kỳ, và mỗi yếu tố đó đều từng thay đổi ở một môn nào đó của UNSW từ năm này sang năm khác.
Thói quen nào đáng nhờ mentor giúp bỏ nhất?
Trả lời trực tiếp: Phần lớn sinh viên mất điểm ở COMM3050 vì viết mơ hồ, không phải vì hiểu sai đạo đức. Họ viết rằng một cách làm gây ra quan ngại đạo đức đáng kể, nhưng không gọi tên tổn hại, không chỉ ra khâu phát sinh, cũng không tính chi phí khắc phục. Mentor MAAS không dừng ở câu ấy, mà đọc to lập luận theo góc nhìn một giám đốc tài chính để thử xem nó đứng vững không.
Sinh viên hiếm khi trượt môn này vì đạo đức, mà trượt vì nói mơ hồ. Trực giác của họ thường đúng và tình huống đúng là đáng lo thật, nhưng câu văn viết ra lại chỉ nói rằng cách làm này đặt ra những quan ngại đạo đức đáng kể. Câu đó gắn vào tình huống nào trong đề cương cũng vừa, nên rốt cuộc nó không nói được gì về tình huống đang bàn.
Mentor MAAS thường không chấp nhận câu đó mà hỏi tiếp. Đó là tổn hại nào, gọi tên cụ thể được không? Nó lọt vào ở khâu nào trong quy trình, và điều gì lẽ ra đã chặn được nó ngay tại khâu ấy? Cách khắc phục bạn đề xuất tốn bao nhiêu, và ai trả khoản đó? Rồi tới bước kiểm cuối, bước mà phần lớn sinh viên chưa từng trải qua: lập luận được đọc to lên theo cách một giám đốc tài chính sẽ đọc, để xem nó có đứng vững khi gặp một người sẽ không đọc phần phương pháp của bạn hay không.
Tình huống là do bạn chọn, lập trường là do bạn giữ. Mentor chỉ đòi bạn nói chúng ra đủ chính xác để người khác có thể phản đối.
Câu hỏi thường gặp
Môn này thuộc trường nào?
Môn thuộc UNSW Sydney, nơi COMM3050 Data Use and Misuse là môn 6 đơn vị tín chỉ do School of Management and Governance thuộc UNSW Business School phụ trách, dạy trực tiếp tại cơ sở Sydney, và dựa trên chính mảng văn liệu về quyền riêng tư và tổn hại do thuật toán mà môn học trích dẫn, trong đó có Nissenbaum (2004).
Cần có gì trước khi đăng ký?
Handbook 2026 ghi quy định đăng ký là Prerequisite: COMM2501 or INFS3603. Handbook cũng liệt kê các môn xung khắc gồm TABL2712 Business Ethics and the Law, TABL3016 và TABL5916 Critical Perspectives and Ethics, nên có tín chỉ ở bất kỳ môn nào trong số đó thì bạn không đăng ký được môn này. Hãy kiểm tra handbook của đúng năm bạn học, vì các quy định này có thể được sửa đổi.
Mình tìm được tài liệu ghi mã COMM2050 với cùng tên môn. Có dùng được không?
Chỉ nên coi đó là tài liệu nền, và có một việc quan trọng hơn cần kiểm tra trước. Handbook ghi rõ môn này trước đây mang mã COMM2050, và sinh viên đã hoàn thành COMM2050 thì không được đăng ký COMM3050. Còn về bản thân tài liệu, trùng tên môn không có nghĩa là trùng cấu trúc đánh giá, và cách đánh giá được ấn định theo từng kỳ.
Môn này có giống COMM1190 Data Insights and Decisions không?
Không, và sự khác biệt này đi theo đúng luận điểm của Nissenbaum (2004) rằng một phép suy đoán hợp pháp vẫn có thể đưa dữ liệu sang một bối cảnh mà phần lớn mọi người chưa từng đồng ý. Môn năm nhất bàn về cách rút ra kết luận bảo vệ được từ dữ liệu. Môn này bàn về việc có nên thu thập dữ liệu đó không, bạn có được hành động theo kết luận không, và ai gánh chi phí khi sai.
Phần luật nhiều tới đâu?
Đủ nhiều để bạn không né được, dù Solove (2006) nhắc rằng hợp pháp và vô hại không phải là hai từ đồng nghĩa. Phần mô tả môn học nêu đích danh phạm vi pháp luật cho phép là một phần nội dung. Đó là cái sàn chứ không phải toàn bộ câu trả lời, vì môn học còn yêu cầu bạn cân các cân nhắc xã hội và đạo đức với mục tiêu của tổ chức.
Môn mở vào kỳ nào, và có học trực tuyến được không?
Handbook 2026 ghi các kỳ mở lớp là Term 1 và Term 3, đồng thời công bố ba biến thể hình thức học gồm trực tiếp, đa phương thức và trực tuyến hoàn toàn, mỗi biến thể 3 giờ tiếp xúc. Lịch mở lớp và hình thức học đều thay đổi giữa các năm, nên hãy xác nhận cho đúng năm của bạn trước khi lên kế hoạch.
Đọc thêm
- COMM1190: dữ liệu, thấu hiểu và quyết định
- COMM3000: can thiệp dựa trên bằng chứng
- Hỗ trợ dự án dữ liệu và lập trình
Hỏi mentor MAAS về môn học của bạn
References
Barocas, S., & Selbst, A. D. (2016). Big data's disparate impact. California Law Review, 104(3), 671–732. https://doi.org/10.15779/Z38BG31
boyd, d., & Crawford, K. (2012). Critical questions for big data: Provocations for a cultural, technological, and scholarly phenomenon. Information, Communication & Society, 15(5), 662–679. https://doi.org/10.1080/1369118X.2012.678878
Mittelstadt, B. D., Allo, P., Taddeo, M., Wachter, S., & Floridi, L. (2016). The ethics of algorithms: Mapping the debate. Big Data & Society, 3(2), 1–21. https://doi.org/10.1177/2053951716679679
Nissenbaum, H. (2004). Privacy as contextual integrity. Washington Law Review, 79(1), 119–157.
Solove, D. J. (2006). A taxonomy of privacy. University of Pennsylvania Law Review, 154(3), 477–564. https://doi.org/10.2307/40041279