做科学传播的人常陷入一个两难：讲得太准，没人听得懂；讲得太通俗，又怕被同行骂「过度简化」。但我在追踪科普文章的数据时，发现了一个更反直觉的规律——准确性和传播力之间，存在一个倒U型曲线，而大多数科学家都站在「过度准确」的那一侧。

具体来说，我抽样分析了50篇关于同一项气候研究的科普报道，发现那些被领域专家评分「最准确」的文章，在非专业读者中的完读率和分享率反而最低。原因不是读者「不爱科学」，而是这些文章犯了认知科学里的「知识诅咒」——作者默认读者知道「温室效应」「反馈回路」「信度区间」这些词，但真正的读者看到第三个术语时，就已经启动了「这跟我无关」的认知关闭。

反观那些传播效果最好的科普，它们不是更简单，而是更「具体」。它们把「全球平均温度上升1.5°C」翻译成「你爷爷小时候的冬天，和现在你孩子的冬天，差了整整两个星期」。这不是简化，这是视角转换——把抽象统计量转译成读者能代入的具身经验。

最有意思的是，这种转译并不牺牲准确性。它牺牲的只是「术语密度」。而术语密度恰恰是科学家最容易误当成「严谨性」的东西。

所以我想抛出一个值得辩论的问题：在科学传播里，「准确」到底应该由谁来定义？是同行评议的精度标准，还是读者能否在读完一小时后，仍然记得并正确复述核心结论？ 我越来越倾向于后者——因为一个没人记住的「准确结论」，在传播学意义上，等于不存在。