Có một loại reviewer comment đặc biệt khó xử: câu hỏi mơ hồ, hint thiếu dữ liệu nhưng không nói thẳng, hoặc câu hỏi mà tuỳ cách mình trả lời có thể nghe defensive, nghe concessive quá mức, hoặc nghe đúng.
Với paper P2 về frozen section biopsy trong phẫu thuật Hirschsprung, mình gặp đúng loại comment này. Reviewer hỏi về "adequacy of sample size", không rõ họ muốn mình làm gì. Thêm power calculation? Thừa nhận limitation? Hay thực sự muốn nhiều ca hơn?
Đây là lúc mình thử 3 giọng văn với Claude trước khi viết response cuối.
Tại sao giọng văn quan trọng hơn nội dung
Rebuttal letter không chỉ là nội dung trả lời. Nó là tín hiệu về cách mình xử lý bất đồng và áp lực. Editor đọc rebuttal không chỉ để kiểm tra xem mình đã sửa gì, họ đọc để xem mình có phải author đáng làm việc cùng không.
Response phòng thủ, dù về mặt kỹ thuật đúng, thường khiến reviewer càng muốn ép mạnh hơn. Response nhượng bộ quá, thừa nhận mọi thứ để cho qua, thường bị editor nhận ra và không tin tưởng vào phán đoán của author.
Chuyên nghiệp là giọng văn mình muốn: thể hiện mình đã hiểu mối lo, đưa ra response có cơ sở, và cho thấy rằng mình có thể tiếp tục làm việc hiệu quả với reviewer.
Cách mình thử 3 giọng văn với Claude
Với comment của reviewer về sample size, mình viết 3 prompt riêng biệt cho Claude:
Prompt 1, giọng văn phòng thủ: "Hãy viết response giải thích tại sao n=34 là phù hợp cho thiết kế case series này, không cần power calculation vì đây không phải RCT."
Prompt 2, giọng văn nhượng bộ: "Hãy viết response thừa nhận limitation cỡ mẫu nhỏ và cam kết thêm language về external validity."
Prompt 3, giọng văn chuyên nghiệp: "Hãy viết response xác nhận thiết kế retrospective single-surgeon case series và lý do không có prospective power calculation; thêm câu về generalizability; note rằng concordance 97.1% nhất quán với published literature range 91, 97%."
Sau đó mình đọc 3 response và tự hỏi: "Nếu mình là editor, response nào khiến mình muốn accept bài hơn?"
Phân tích từng giọng văn
Response phòng thủ thường có đặc điểm: tập trung vào việc giải thích tại sao reviewer sai, dùng từ như "tuy nhiên" và "chúng tôi muốn nhấn mạnh rằng". Reviewer cảm nhận được khi bị phản bác trực tiếp, và phản ứng thường là ép mạnh hơn.
Response nhượng bộ thừa nhận hết. Nghe có vẻ khiêm tốn, nhưng nếu mình thừa nhận hạn chế mà reviewer không thực sự yêu cầu mình thừa nhận, editor có thể đặt câu hỏi tại sao mình tự đặt vấn đề cho bài của mình.
Response chuyên nghiệp làm 3 việc: xác nhận thiết kế nghiên cứu và lý do các quyết định phương pháp, đặt kết quả của mình trong bối cảnh y văn đã có, và ghi nhận hạn chế thật một cách chính xác, không quá mức, không thiếu.
Với case P2, mình chọn response chuyên nghiệp, điều chỉnh lại từng câu theo phán đoán của mình, và reviewer không phản đối ở vòng sau.
Khi câu hỏi reviewer có nhiều cách diễn giải
Một kỹ thuật mình dùng khi reviewer hỏi mơ hồ: trước khi viết response, hỏi Claude "Câu này của reviewer có thể được diễn giải theo những cách nào khác nhau?"
Reviewer hỏi về "adequacy of sample size" có thể muốn: (a) power calculation, (b) thảo luận về generalizability, (c) comparison với published series cùng loại, hoặc (d) tất cả những điều trên.
Response tốt nhất thường là response giải quyết được cả 2-3 cách diễn giải đó cùng lúc, không phải vì mình muốn bao phủ hết, mà vì đó thường là điều reviewer thực sự cần dù họ không nói thẳng.
Khi reviewer ngầm ý nhưng không nói thẳng
Dạng comment khó nhất không phải câu hỏi rõ ràng. Là câu hỏi mà phía sau là hệ quả mình phải nhận ra.
"Sample size adequacy" với n=34 trong một case series về phẫu thuật hiếm gặp ở Vietnam không phải câu hỏi về power, đó là câu hỏi ngầm về "bài này đủ để general reader tin không?" Mình cần giải quyết đúng câu hỏi ngầm đó, không phải câu hỏi bề mặt.
Cách mình khai thác điều này với AI: sau khi viết response, hỏi "Response này có giải quyết được câu hỏi ngầm của reviewer không, hay chỉ giải quyết câu hỏi bề mặt?" Thường thì Claude chỉ ra chỗ mình bỏ sót.
Giới hạn của AI trong xử lý reviewer khó tính
Có một loại comment mà mình không để AI định hình response: khi reviewer hint về tính toàn vẹn dữ liệu hay cách tiến hành nghiên cứu. Dù câu hỏi đó có mơ hồ đến đâu, mình cần tự viết và tự kiểm từng câu, không phải vì AI viết kém, mà vì đây là vấn đề về hồ sơ cá nhân.
AI giúp mình tốt nhất khi vấn đề là về giọng văn và cách đặt vấn đề, không phải khi vấn đề là về trách nhiệm giải trình.
Bài quy trình AI viết rebuttal letter toàn bộ bao gồm đầy đủ 5 bước từ đọc reviewer report đến soát trước khi nộp. Nếu đang xây toàn bộ paper với AI từ đầu, 10 bước viết paper với AI là bài trụ cột phù hợp để đọc trước.
Khoá AI cho Nghiên cứu có phần về kiểm soát giọng văn với reviewer, cùng mẫu prompt và ví dụ từ paper thật.