IB数学IA选题该怎么确定

IB数学IA的评审重点，并不是看你是不是用了多么g级的数学，也没有人在意你写出了多花哨的公式。评卷人真正关心的，是你有没有能力提出一个具体的数学问题，并且把这个问题讲清楚。

正因为IA是自选题目，选题这一步就变得很关键。不少同学都有类似的体验：题目没定的时候，总觉得没思路，改了三四稿心里还是没底；可一旦题目真正定下来，后面写起来反而顺很多。与其说IA难在写作，不如说难在选题。

选题之前，得先把“话题”和“题目”分清楚。“我对统计感兴趣”是一个话题，“用卡方检验比较不同年龄段人群对某饮品的偏好”才是一个题目。话题给人方向感，题目才真正可执行。很多同学觉得没思路，往往是因为拿着一个话题去查资料，搜出来的东西当然又杂又空。

选题常常栽在哪

先说说几种常见的坑。

选题太大。比如“数学在经济学中的应用”，听着很完整，但真写的时候每一块都只能讲个表面。评卷人看完，只觉得你在罗列常识，看不到你个人的思考痕迹。

选题太小。比如“求一个三角形的面积”，思路清晰，但三页之内就写完了，很难展开成一篇完整的IA。

为难度硬选题目。有同学觉得IA里用上高数就能拿高分，这是对评分标准比较大的误解。评分看的是数学使用是否合理，思路是否连贯，而不是你用了哪个更高阶的公式。难度一旦超出自己的把握，写一半很容易卡住，最后只能靠堆公式撑篇幅。

不考虑数据来源。数据不好找、样本量不足，都会导致题目根本做不下去。有人最后不得不硬编数据，这在评审里属于比较致命的问题。

这些坑说到底，都是没有把“想研究的东西”转成一个可操作的问题。

什么样的题才合适

一个合适的IA题目不会特别复杂，但它通常具备四个条件。

d1，问题具体，能被数学回答。好的题目不是“介绍一下某某概念”，而是“用某种数学方法去处理某个现象”。

第二，数学工具在自己掌握范围内。你不需要选比较难的内容，但要选你比较有把握、理解比较深的内容。

第三，留有反思空间。题目最好能允许比较、误差分析或模型调整，这样你在结论部分才有真实的内容可写。反思在评分中占比很重，它需要有一个能讨论的载体，而不是一个只有一个标准答案的计算题。

第四，和你自己有某种联系。喜欢的运动、平时的爱好、关注的社会现象，都可以成为切入点。真实兴趣会推动你往深处多走几步，而这一点，评卷人其实看得出。

把话题变成题目的三个动作

d1个动作：把领域拆成问题。随便一个领域都有可以追问的东西。你喜欢跑步，可以问“不同距离的配速衰减能用什么函数拟合”；你喜欢做饭，可以问“面团含水量和发酵时间之间呈现怎样的关系”；你喜欢游戏，可以问“某个抽卡机制的实际出货概率和公告概率相差多少”。这一步不需要你找到标准答案，只需要你看见题目长什么样。

第二个动作：核对数学工具和数据来源。有了初步问题后，先问自己：要解决它，需要用到我学过的哪个数学模块？如果答案具体到“用二次函数拟合”“用数列递推”“用卡方检验”，说明方向可走；如果你只能说“要用统计”“要用微积分”，说明还没想透。数据方面，尽量在选题时就把来源定下来。可以是公开数据库，可以是自己做的小实验，也可以是能下载的样本数据，前提是确保能拿到、能使用。

第三个动作：用三句话验证题目。把整个研究浓缩成三句话：我研究的对象是什么，我要用哪个数学方法，我希望得到什么样的结论。三句话里任何一句说不清，都要退回去再调。这个方法在找老师讨论时尤其管用。带着三句话去聊，老师能迅速指出问题；只说一句“我还没想好”，讨论基本就在原地打转。

应用型和理论型怎么选

按内容分，IA大致有两条路。

应用型题目，把数学放到真实场景里，比如经济数据、物理实验、体育统计、社会调查。这类题目的优势是贴近生活，个人参与和反思都比较容易写。要留意别把IA写成实验报告，整篇都在描述数据怎么收集、怎么处理，却没有对数据背后的规律做数学分析。评卷人想看到的是你用数学解释了一个现象，不是你把数据整理得很整齐。

理论型题目，纯粹研究数学本身，比如函数性质、数论、几何、复数。这类题目的优势是逻辑边界清楚，适合喜欢推导和证明的同学。风险在于容易写成教科书复述。规避办法是给自己设一个教科书上找不到现成解答的具体问题，比如“在某个特殊条件下，某类数列是否收敛”。这样的题目需要你自己找路，而不是沿着课本抄一遍。

难度放在哪

难度这件事，经常被想反。有人觉得内容越难越赚分，实际上评卷人更看重你对所用内容的掌握程度。一个你熟透了的模块，哪怕简单，你也能研究到一定深度；一个你只见过名字的内容，就算再高端，写不了几行就会露馅。难度不取决于你选了多厉害的内容，取决于你在这个内容上面有没有真正扎实的理解。

另外，给个人参与留一点空间。很多同学以为“个人参与”就是在文首写一段“我对数学很有兴趣”，这是把评分项理解偏了。个人参与真正需要的是你展示出探索过程。比如你发现原有模型拟合效果不好，于是换了一种方法；你发现样本里有一个异常值，于是调整了筛选条件；你尝试了几种参数取值，最后选择了更符合实际的那组。这些真实的思考过程都能体现个人参与，但前提是题目本身留下了这些可能性。如果选了一个被反复写过无数遍的熟题，整个过程顺滑得没有任何波折，个人参与反而无从谈起。

写之前过一遍这几条

我的题目能否用一句话问出来？

我已经确定了要用哪个数学模块吗？

数据来源明确、拿得到吗？

题目结果能不能展开成比较、误差或反思？

这个题目有没有可能让我遇到一个困难，并且困难之后有调整的空间？

如果答案都是肯定的，那这个题基本可以进入写作阶段。

选题是IA写作里投入产出比比较高的一步。题目定了，后面只是执行的过程；题目没定，写多少稿都有可能推翻。与其急着动笔，不如先用两三天时间把感兴趣的方向梳理一遍，把话题缩成问题，再把三句话拿去找老师讨论。这一步做得扎实，IA后面的路会轻松很多。