不少 IB 学校会在学生 DP1 的 12 月就启动 IA 写作准备,强调尽早着手、抢占节奏;国内 IB 学校则大多要求学生在 DP1 下半学期开始撰写 IA,到 DP2 阶段修改完善并最终提交。无论学校安排何时启动,从 DP1 开学起,大家都需要详细了解各学科 IA 的特点、要求与评分标准。今天就来对比 IB 科学类 IA 与人文社科类 IA 的不同,梳理不同 IBDP 学科 IA 的核心特质,以及学生常犯的错误,帮大家理清写作思路。
一、IB 科学与人文类 IA:核心内容与结构
IB 科学类 IA 以实验生成的定量数据为基础,重点关注研究方法的设计与评估;人文类 IA 则依托资料来源展开定性分析,更注重观点的解释与论证。两者的共性在于,都需要明确的研究问题、深入的分析过程以及批判性评估环节。
1. 科学类 IA(生物、化学、物理、环境系统等)
典型结构包含:
- 与实验紧密关联的核心研究问题;
- 明确的假设或预测方向;
- 包含受控变量的清晰研究方法(确保可复现);
- 数据收集与处理(呈现表格、图表及统计结果);
- 对数据趋势与实验结果的分析;
- 对实验限制与误差的评估;
- 呼应研究问题的结论。
科学 IA 的评分中,实验设计的合理性与数据解释的准确性占比很高。
2. 人文类 IA(历史、地理、心理学、经济学等)
典型结构包含:
- 清晰且范围聚焦的研究问题或案例研究方向;
- 研究背景与上下文介绍;
- 资料收集与评估过程;
- 包含多元视角的结构化分析;
- 对证据的解读与阐释;
- 基于合理论证得出的结论。
人文类 IA 的评分严格,能否获得理想成绩,关键在于资料评估的深度与论证的严谨性。
二、科学类与人文类 IA:5 大核心差异
两类 IA 的区别主要体现在证据类型、研究方法等多个维度,具体如下:
| 对比维度 | 科学类 IA | 人文类 IA |
|---|---|---|
| 证据来源 | 基于实验产生的数据(如测量结果、图表、统计值) | 基于资料来源(如文献文件、文本、案例研究记录) |
| 研究方法 | 方法详细且可复现,重点关注变量控制与实验步骤 | 围绕研究策略展开(如资料的筛选、评估与解读逻辑) |
| 分析风格 | 解读数值数据、识别数据趋势、验证假设 | 分析资料中的观点、潜在偏见与不同解读角度 |
| 评估重点 | 聚焦实验误差、研究局限性及改进方向 | 侧重资料的可靠性、潜在偏见与适用范围 |
| 写作风格 | 客观、精准、简洁,以结果与数据为核心 | 以论证为核心,注重解释与分析,关注意义与影响 |
三、IA 写作常见错误:科学与人文类都要避开
1. 科学类 IA 高频错误
- 实验设计存在缺陷,如变量控制不到位;
- 实验次数不足或收集的数据可信度低;
- 仅对数据进行描述,缺乏深度分析;
- 在评估环节忽略误差来源与改进空间。
2. 人文类 IA 高频错误
- 研究问题范围过宽,难以聚焦深入;
- 过度依赖二手资料,缺乏一手证据支撑;
- 内容偏向描述性总结,而非分析性论证;
- 未对资料的偏见或可靠性进行评估。
3. 所有学科 IA 共通误区
- 将科学 IA 的写作逻辑套用于人文 IA(如过于侧重描述,忽略解释与论证);
- 误将数学 IA 等同于科学 IA(仅关注数据,忽视数学探索的核心目标);
- 科学 IA 中堆砌过多背景知识,或人文 IA 中背景信息交代不足;
- 忽视不同学科的评分标准差异,用统一格式撰写所有 IA。
四、考官视角:科学与人文 IA 的核心要求
1. 科学类 IA(生物、化学、物理等)
IB 考官更关注:
- 清晰且可验证的研究问题;
- 包含受控变量的详细研究方法;
- 通过多次实验获取的充足数据;
- 规范的图形、表格呈现与统计分析;
- 对误差与局限性的客观评估;
- 与理论知识直接关联的结论。
2. 人文类 IA(历史、地理、心理学等)
IB 考官更关注:
- 聚焦且有研究价值的问题或案例;
- 完整的背景介绍与研究意义说明;
- 一手资料与二手资料的结合使用;
- 对资料的偏见、可靠性及视角的评估;
- 对证据的批判性解读;
- 有充分论据支撑的结论。
五、关键提醒:IA 的重要性与备考建议
几乎所有 IBDP 课程都要求完成 IA,且 IA 成绩在 IBDP 总成绩中的占比不低于 20%。因此,大家需要为 IA 写作投入足够的时间与精力,结合学科特点理清写作逻辑,避开常见误区,尽可能争取理想分数。无论是科学类的精准数据与实验设计,还是人文类的资料评估与论证,贴合学科要求的写作,才是拿下 IA 高分的关键。
微信扫一扫









