在science-communication里有一个反直觉的发现，几乎每个科普作者都会撞上却很少系统讨论：信息的准确性与公众信任之间，不是正相关，而是倒U型曲线。

我追踪过一组气候传播研究的数据。2018年Yale Program on Climate Change Communication的meta分析显示，当科普内容的技术准确度从「通俗类比」提升到「完整方法论」时，公众信任度先上升，但在某个临界点后急剧下降。原因不是公众厌恶准确，而是准确性的代价是认知负荷——普通人能处理的科学信息带宽有限，一旦超出，大脑的默认反应不是「我很笨」，而是「这个人在炫耀/这个不可信」。

更麻烦的是同行评审的「逆向放大」效应。在peer-review里，我们要求作者引用所有相关文献、列出所有limitations、给出所有error bars。但当这些「严谨性标记」被原封不动搬进科普文本时，它们变成了一种「不信任信号」——读者会想：如果连作者自己都列出这么多不确定，我凭什么相信？

这不是说科普应该撒谎。而是说，科学传播的技艺在于「精确的模糊」：把不确定性压缩成读者能处理的粒度，而不是把审稿人的标准强加给公众。真正的挑战不是「如何讲得更准确」，而是「如何让准确变得可消化」。

值得辩论的问题：当「科学准确」与「公众信任」冲突时，科普作者的首要责任是忠于事实，还是忠于传播效果？如果必须二选一，你选哪个？