Rất ít môn học đặt chữ lạm dụng vào tên mình. Khi một môn làm vậy, nó đang nói cho bạn biết nó sẽ được chấm ra sao. Một môn tên là Phân tích dữ liệu kiểm tra xem bạn có rút ra được một phát hiện hay không. Một môn tên là Data Use and Misuse kiểm tra xem bạn có phân biệt được đâu là phát hiện bạn có quyền hành động theo và đâu là phát hiện bạn không có quyền, và đó là bài toán phán đoán khoác áo kỹ thuật. Sinh viên đi lên từ nhánh phân tích của chương trình kinh doanh thường mất vài tuần đầu để trả lời rất giỏi một câu hỏi khác, đúng khoảng cách mà Nissenbaum (2004) và Solove (2006) vẽ ra giữa hợp pháp và chính đáng.
Tác giả: Đội ngũ biên tập MAAS · Hiệu đính bởi mentor chuyên môn của MAAS
Cập nhật: 18/08/2026
Chuyên mục: communication-pr
Môn học này là gì, và những gì đã kiểm chứng được
Trả lời trực tiếp: COMM3050 Data Use and Misuse là môn năm ba trị giá 6 đơn vị tín chỉ thuộc UNSW Business School, do School of Management and Governance phụ trách. Môn có điều kiện tiên quyết COMM2501 hoặc INFS3603, mở ở Kỳ 1 và Kỳ 3, và có ba hình thức học. Môn từng mang mã COMM2050, và sinh viên đã học COMM2050 thì không được đăng ký COMM3050.
Bằng chứng: Trang handbook UNSW năm 2026 ghi môn ở mức 6 đơn vị tín chỉ, ghi điều kiện đăng ký là tiên quyết COMM2501 hoặc INFS3603, liệt kê các kỳ mở lớp là Kỳ 1 và Kỳ 3, và công bố ba biến thể hình thức học, mỗi biến thể ba giờ tiếp xúc mỗi tuần: học trực tiếp, học đa phương thức, và học trực tuyến hoàn toàn. Trang thời khóa biểu UNSW ghi khoa chủ quản là School of Management and Governance thuộc UNSW Business School.
Việc đổi số hiệu kéo theo hệ quả về đăng ký chứ không chỉ là chuyện tài liệu: handbook ghi rõ môn này trước đây mang mã COMM2050, và sinh viên đã hoàn thành COMM2050 thì không được đăng ký COMM3050. Vậy nên nếu bạn tìm thấy ghi chép dưới số hiệu cũ, nội dung sẽ có liên quan, nhưng cấu trúc đánh giá thì gần như chắc chắn không, và quan trọng hơn là bạn nên kiểm bảng điểm của chính mình trước khi đăng ký. Đề cương môn học được công bố theo từng kỳ là có lý do. Hãy dùng đề cương của đúng kỳ bạn học và coi mọi thứ còn lại là tài liệu tham khảo nền.
Một phân biệt nên làm sớm: nếu bạn đã học COMM1190 Data Insights and Decisions, bạn có thể tưởng môn này là phần tiếp nối. Không phải vậy. Môn năm nhất COMM1190 hỏi bạn rút ra một kết luận bảo vệ được từ dữ liệu bằng cách nào. Môn này hỏi liệu có nên thu thập dữ liệu đó ngay từ đầu không, bạn có được phép hành động theo kết luận ấy không theo cả Privacy Act 1988 lẫn chuẩn mực xã hội, và ai gánh chi phí nếu bạn sai.
Môn học viết cho ai
Trả lời trực tiếp: Viết cho lãnh đạo và quản lý doanh nghiệp chứ không phải cho chuyên gia kỹ thuật, và điều đó đặt ra chuẩn mực cho mọi câu bạn viết.
Phần mô tả môn học nói rõ đối tượng: dữ liệu lớn và trí tuệ nhân tạo đã làm thay đổi kinh doanh, và chính những người quản lý chứ không riêng chuyên gia kỹ thuật mới là người cần hiểu cơ hội lẫn rủi ro trong việc thu thập, phân tích, chia sẻ và sử dụng dữ liệu, bao gồm cả phạm vi pháp luật cho phép.
Cách đóng khung đó tạo ra khoảng không mà bạn bị chấm trong đó, gần với ranh giới mà Nissenbaum (2004) vẽ giữa hợp pháp và chính đáng, còn điều kiện tiên quyết cho bạn biết ai đang ngồi trong phòng. Mọi người đều đã qua COMM2501 hoặc INFS3603, nên không ai xuất phát từ 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 nửa lớp không tạo ra nổi. Thứ nó tưởng thưởng được là lập luận mà cả một người giỏi kỹ thuật lẫn một lãnh đạo không chuyên đều thấy vững. 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 sinh 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 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, và những bài dừng ở mức tuân thủ đã bỏ lại phần lớn số điểm.
Phần mô tả 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 bỏ qua được. Ở Úc, lớp pháp lý đó thường xoay quanh Privacy Act 1988 và mười ba nguyên tắc trong Australian Privacy Principles (APP) do Office of the Australian Information Commissioner (OAIC) giám sát, nhưng tuân thủ APP chỉ là điều kiện cần, không phải điều kiện đủ. Nếu tổ chức trong tình huống của bạn có khách hàng ở châu Âu, khung General Data Protection Regulation (GDPR) còn đặt thêm một lớp nghĩa vụ khác lên trên APP, và hai khung này không phải lúc nào cũng đòi hỏi giống nhau. Kể từ Notifiable Data Breaches Scheme 2018, một tổ chức để lộ dữ liệu gây hại nghiêm trọng còn phải báo cho cả cơ quan quản lý lẫn người bị ảnh hưởng, một nghĩa vụ tách biệt hoàn toàn với việc thu thập dữ liệu đó có hợp pháp ngay từ đầu hay không. Nhưng 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 chính đáng 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 tổ chức nào áp dụng chúng.
Bằng chứng: Nissenbaum (2004), công bố trên Washington Law Review, cung cấp khái niệm giải thích được nhiều tình huống nhất trong mảng này. Bà lập luận rằng riêng tư không phải là sự giấu kín mà là tính toàn vẹn theo bối cảnh, nghĩa là các luồng thông tin mang theo những chuẩn mực gắn với bối cảnh sinh ra chúng, và vi phạm xảy ra khi dữ liệu dịch chuyển sang một bối cảnh có chuẩn mực khác, kể cả khi không có gì bị che giấu. Cách đóng khung đó giải thích được những tình huống mà sinh viên thấy trơn tuột, chẳng hạn vì sao ghép hai tập dữ liệu vô hại riêng lẻ lại tạo ra thứ mà người ta cảm nhận như một vụ xâm phạm.
Bằng chứng: Solove (2006), công bố trên University of Pennsylvania Law Review, đáng đọc kèm, bởi ông chia tổn hại về riêng tư thành nhiều loại phân biệt được thay vì coi đó là một khối. Có được vốn từ đó, bạn nói được chính xác một cách làm đang tạo ra tổn hại loại nào, và chính sự chính xác mới tách một lập luận đạo đức khỏi một lời bày tỏ khó chịu chung chung.
Ví dụ: Khi được yêu cầu đánh giá kế hoạch của một nhà bán lẻ muốn suy ra các sự kiện trong đời khách hàng từ hành vi mua sắm, một bài yếu ghi rằng dữ liệu thu thập hợp pháp, khách đã đồng ý qua điều khoản dịch vụ, nên cách làm đó chấp nhận được. Một bài mạnh hơn thừa nhận toàn bộ những điều ấy, rồi lập luận rằng phép suy đoán đã đẩy dữ liệu mua sắm sang một bối cảnh mà khách hàng chưa từng đồng ý với chuẩn mực của nó, gọi tên tổn hại cụ thể theo cách phân loại của Solove (2006) là gộp dữ liệu, tức việc ráp những mẩu thông tin riêng lẻ vô hại thành một thứ hoàn toàn mới, chứ không phải tiết lộ điều gì khách hàng đang giấu, và nêu rủi ro kinh doanh phát sinh khi khách hàng biết được mình đã bị suy đoán những gì. Hai bài cùng đi tới một kết luận pháp lý. Chỉ một bài đang trả lời đúng câu hỏi mà môn học này đặt ra.
Cái bẫy ở những câu hỏi về quyết định do thuật toán đưa ra
Trả lời trực tiếp: Sinh viên có xu hướng đi tìm ý đồ, trong khi hiểu biết được chấm điểm lại là chuyện kết quả phân biệt đối xử nảy sinh từ những lựa chọn kỹ thuật rất đỗi bình thường, không ai quyết định phân biệt đối xử cả.
Ở Úc, phân biệt đối xử phát sinh từ một hệ thống tự động vẫn có thể vi phạm Age Discrimination Act 2004, Sex Discrimination Act 1984, hoặc Disability Discrimination Act 1992, dù không ai trong nhóm dựng mô hình có ý định phân biệt đối xử. Đây là chỗ một sinh viên tự tin về kỹ thuật hay viết ra câu trả lời sai một cách tự tin nhất. Nghe tin một mô hình tuyển dụng hay cho vay tạo ra kết quả chênh lệch giữa các nhóm, đúng kiểu tình huống Barocas và Selbst (2016) phân tích, phản xạ là đi tìm một kẻ xấu, một biến số thiên lệch, hay một chỉ dẫn sai. Thường thì chẳng có gì trong số đó, và môn học muốn bạn vẫn giải thích được kết quả ấy, đúng tinh thần mà Mittelstadt và cộng sự (2016) gọi là bằng chứng không soi xét được.
Bằng chứng: Barocas và Selbst (2016), công bố trên California Law Review, lần lại cách tác động chênh lệch nảy sinh qua những bước hết sức thường quy: cách định nghĩa biến mục tiêu, cách gán nhãn dữ liệu huấn luyện, việc chọn đặc trưng nào, và cách các mẫu hình lịch sử bị mã hóa thành những biến đại diện trông có vẻ trung tính. Ngay trong tóm tắt bài viết của mình, hai tác giả nói 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). Phân tích của họ là lý do một bài tốt có thể chỉ ra một cơ chế thay vì chỉ ra một thủ phạm.
Bằng chứng: Mittelstadt và cộng sự (2016), công bố trên Big Data & Society, sắp xếp cuộc tranh luận thành các nhóm mối lo phân biệt được, gồm bằng chứng không đủ sức kết luận, bằng chứng không soi xét được, bằng chứng dẫn sai đường, cùng với kết quả bất công và khả năng truy vết. Cấu trúc đó dùng được ngay trong phòng thi, bởi nó cho phép bạn nói tình huống này thuộc loại vấn đề nào thay vì mô tả nó như một vấn đề đạo đức nói chung.
Bằng chứng: boyd và Crawford (2012), công bố trên Information, Communication & Society, là chỗ dựa cho lỗi khung nằm dưới nhiều tình huống loại này. Lập luận của họ rằng tập dữ liệu lớn hơn không tự động tốt hơn, và dữ liệu bị tách khỏi bối cảnh thì mất nghĩa, xử lý thẳng vào giả định rằng quy mô thay thế được 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: ở việc gọi tên cơ chế, đúng cấu trúc phân loại của Mittelstadt và cộng sự (2016), 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 là mới chẩn đoán xong. Một bài nói thêm can thiệp nên đặt ở khâu nào trong quy trình và tốn gì là đã tư vấn, mà tư vấn mới là thứ một môn học quản trị đang rèn.
Yêu cầu về trình bày được chấm điểm chứ không phải mặc định
Trả lời trực tiếp: Kỹ năng trình bày được chấm trực tiếp, trong đó có một bài thuyết trình cá nhân, nên cách bạn trình bày lập luận là một phần được chấm chứ không phải lớp vỏ bọc quanh nó.
Giờ hướng dẫn bài tập ở đây có sức nặng thật, và lịch cụ thể của từng nhóm luôn nằm trên trang Moodle của môn chứ không phải trong handbook. Thời lượng tiếp xúc công bố là ba giờ mỗi tuần, và thời khóa biểu của hình thức học trực tiếp cho thấy nhiều nhóm bài tập so với một luồng bài giảng duy nhất, đó là cấu trúc dựng cho thảo luận chứ không phải cho việc truyền tải nội dung. Thảo luận tình huống trong một môn bàn về những phán đoán còn tranh cãi không phải là ôn tập. Đó là nơi duy nhất bạn biết được lập trường của mình có sống sót khi một người có năng lực phản đối hay không, và đó đúng là thứ phần đánh giá dạng nói đang đo.
Khối kinh doanh ở UNSW phổ biến dùng chuẩn trích dẫn APA hoặc Harvard cho phần viết cá nhân, nên xác nhận đúng chuẩn trong đề cương trước khi nộp. Làm nhóm ở mảng này 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 trong nó hai lập trường mâu thuẫn nhau về chính câu hỏi trung tâm, bởi chưa ai từng đưa sự bất đồng ấy ra ánh sáng. Cách chữa đơn giản mà ít tốn công là cả nhóm chốt lập trường trước, gói trong một hai câu mà ai cũng nhắc lại được, xong rồi mới chia nhau viết.
Chuẩn bị rải suốt kỳ
Trả lời trực tiếp: Giữ một bản ghi tình huống thật rải đều suốt kỳ, theo bốn trường: tổ chức nào, đã làm gì với dữ liệu, vượt qua chuẩn mực nào, và tới lúc nào một người quản lý lẽ ra đã chọn khác đi. Trường cuối cùng biến câu chuyện thành lập luận. Sau đó củng cố thêm lớp bạn thấy yếu nhất trong ba lớp luật, đạo đức và quản trị, vì môn học kiểm cả ba.
Nội dung môn này ưu ái ai có sẵn một kho tình huống thật, đúng tinh thần cảnh báo của boyd và Crawford (2012) rằng dữ liệu tách khỏi bối cảnh thì mất nghĩa, mà tình huống thì gom trước rất nhẹ nhàng còn đi tìm vào đúng tuần phải nộp thì đắt đỏ vô cùng. Hãy giữ bản ghi đơn giản tới mức bạn thật sự duy trì được: tổ chức nào, đã làm gì với dữ liệu, việc đó vượt qua chuẩn mực nào, và tới thời điểm nào thì một người quản lý lẽ ra đã chọn khác đi. Trường cuối cùng mới là trường sinh lãi, bởi nó biến một câu chuyện thành một lập luận. Nó cũng giúp bạn tránh xa hai vụ bê bối đình đám mà nửa lớp sẽ với tay lấy.
Còn một việc nữa nên làm sớm. Môn học nằm ở giao điểm của luật, đạo đức và quản trị, mà sinh viên thường chỉ chuẩn bị cho lớp nào mình thấy dễ chịu nhất. Nếu bạn mạnh kỹ thuật, phần pháp lý và phần chuẩn mực mới là chỗ điểm biên của bạn nằm. Nếu bạn tới từ ngoài chuyên ngành phân tích, cái giá lại khác: bạn cần hiểu đủ về cách một mô hình được dựng để nói được vấn đề đã lọt vào ở khâu nào trong quy trình, bởi một lập luận đạo đức không định vị được cơ chế, đúng khoảng trống mà Barocas và Selbst (2016) chỉ ra giữa kỹ thuật và đạo đức, thì 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 môn tiên quyết, có ba môn xung khắc, và có một quy định chặn đăng ký nếu bạn đã hoàn thành COMM2050. Lịch mở lớp, hình thức học và cách đánh giá đều ấn định theo từng kỳ, và mỗi thứ trong số đó đều đã từng thay đổi ở môn này hay môn khác của UNSW giữa 2 năm liền nhau.
Thói quen đáng nhờ mentor phá bỏ nhất
Trả lời trực tiếp: Sinh viên hiếm khi trượt môn này vì đạo đức mà trượt vì nói mơ hồ, viết rằng một cách làm đặt ra những quan ngại đạo đức đáng kể mà không gọi tên tổn hại nào, không nói nó lọt vào khâu nào trong quy trình. Mentor MAAS gạt câu đó đi rồi đọc lập luận thành tiếng theo cách một giám đốc tài chính sẽ đọc, để kiểm xem nó có sống sót khi bị phản đối.
Sinh viên hiếm khi trượt môn này vì đạo đức. Họ trượt vì nói mơ hồ, đúng thứ mà cách phân loại tổn hại của Solove (2006) được dựng ra để chữa. Trực giác thường là đúng, tình huống đúng là đáng lo thật, rồi câu văn viết ra rằng cách làm này đặt ra những quan ngại đạo đức đáng kể, mà câu ấy gắn vào tình huống nào trong đề cương cũng vừa, nên rốt cuộc nó không nói được gì về tình huống đang bàn.
Mentor của MAAS phần lớn thời gian là từ chối nhận câu đó. Tổn hại nào, gọi tên ra? Nó lọt vào ở khâu nào trong quy trình, và cái gì lẽ ra chặn được nó ngay tại đó? Cách khắc phục bạn đề xuất tốn bao nhiêu, và ai trả khoản đó? Rồi tới lượt kiểm cuối, thứ mà phần lớn sinh viên chưa từng bị làm với mình: lập luận được đọc ngược lại theo cách một giám đốc tài chính sẽ đọc, đọc thành tiếng, để xem nó có sống sót khi va phải một người sẽ không đọc phần phương pháp của bạn hay không.
Tình huống là của bạn chọn, lập trường là của bạn giữ. Mentor chỉ nhất định đòi bạn nói chúng ra đủ chính xác để người khác phản đối được.
Câu hỏi thường gặp
Môn này là của trường nào?
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.
Tôi cần có gì trước khi đăng ký?
Handbook 2026 ghi điều kiện đăng ký là tiên quyết COMM2501 hoặc INFS3603. Trang này 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 là bị chặn đăng ký ở đây. Hãy kiểm handbook của đúng năm bạn học, vì các quy định này có sửa đổi.
Tôi tìm được tài liệu ghi COMM2050 mà cùng tên môn. Dùng được không?
Chỉ nên coi là tài liệu nền, và có một việc quan trọng hơn cần kiểm 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, tên môn COMM2050 trùng với COMM3050 không có nghĩa cấu trúc đánh giá trùng nhau, mà cách đánh giá thì ấn định theo từng kỳ, và khung pháp lý tham chiếu như Privacy Act 1988 cũng có thể đã cập nhật giữa hai năm.
Môn này có giống COMM1190 Data Insights and Decisions không?
Không. Môn năm nhất, COMM1190 Data Insights and Decisions, bàn về việc 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 không né được. Phần mô tả nêu đích danh phạm vi pháp luật cho phép là một phần nội dung, và ở Úc lớp luật đó thường bắt đầu từ Privacy Act 1988 cùng Australian Privacy Principles. Nhưng 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 lúc nào, và tôi học trực tuyến được không?
Handbook 2026 ghi các kỳ mở lớp là Kỳ 1 và Kỳ 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 ba 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