IBDP的六门学科中，每一门都要求完成一份Internal Assessment（内部评估），即IA。理科IA占学科总成绩的20%，SL阶段部分科目占比可达30%。IA由校内老师批改、IBO外部审核，这意味着它的评分标准是统一的、可预期的，也意味着你在写作时每一个环节是否对准了评分标准，直接决定了最终分数。线上IA指导的价值，不在于“帮你写”，而在于在每一个评分节点上，帮你确认自己是否走在对准标准的方向上。
一、2025年改革后的评分逻辑：分析和评估被拆开了
2025年起，IB科学类IA启用了新的四标准评分体系，总分24分，每一项标准各占6分：Research Design（研究设计）、Data Analysis（数据分析）、Conclusion（结论）、Evaluation（评估） 。最值得关注的变化是：Conclusion和Evaluation从原来合并的6分，被拆成了各6分。这意味着批判性分析部分现在占12分，占总分的50%。
这个变化对写作策略的影响是直接的。旧版中，学生写完结论就可以收尾，评估部分写几句“人为误差”也能拿到部分分数。新版下，Evaluation单独占6分，要求你必须具体说明每个局限性的类型（随机误差、系统误差、方法局限、范围局限）、对结果的具体影响方向（偏高还是偏低）、以及可操作的改进方案。笼统地写“人为误差”或“用更好的仪器”在新版标准下几乎不可能拿到高分。
二、科学类IA：不确定度传递是最大的单一失分点
物理、化学、生物IA中，Data Analysis标准最高频的丢分原因是不确定度传递缺失。
具体来说，你在实验过程中测量了体积（比如±0.05 cm³）和时间（比如±0.5 s），那么在计算反应速率时，速率的不确定度必须从这些原始测量的不确定度中推导出来。不能只在原始数据表里标了不确定度，然后在处理后的数据里就不管了。不确定度必须“跟着计算走” ——加减法用绝对不确定度相加，乘除法用百分比不确定度相加，幂运算用百分比不确定度乘以幂次。
线上指导在这个环节的介入方式非常具体：老师会逐行检查你的数据处理过程，确认每一个计算后的量是否标注了传递过来的不确定度，确认最终结果是否以“数值 ± 不确定度（单位）”的格式呈现。这个检查不需要面对面的实验操作，只需要你上传数据表和分析草稿，老师逐项核对即可。
生物IA还有几个额外的硬性要求：每个实验条件至少需要5次重复才能支持统计推断；图表必须加上误差棒（error bar），并在图注中明确说明误差棒代表的是标准差（SD）还是标准误（SE）；结论中必须引用具体数据点，不能只说“明显增加”或“显著上升”。这些要求都是可检查、可纠正的，线上指导的优势在于老师可以对照评分细则逐项打勾，把遗漏项标出来让你补。
三、数学IA：个人参与度比数学难度更难拿分
数学IA的评分标准和理科不同，五个标准各4分，总分20分。其中 “个人参与”（Personal Engagement）是公认最难拿满的一项。
这一项的评分逻辑是：你的选题是否和你的个人经历、兴趣或真实情境有真实的连接，以及你是否在IA中展示了自己的独立思考，而不是复述课本上的方法。用“甜甜圈的表面积”做IA，远不如用“救生圈浮力”来得有个人色彩——前者是随便找的几何体，后者背后有一个你可以说清楚的真实兴趣。
线上指导在数学IA上的典型工作方式是：在选题阶段，老师通过提问帮你找到真正有个人连接的问题——“你平时游泳吗？你踢足球吗？你打游戏吗？你在这些经历中遇到过什么可以用数学描述的现象？”然后从这个连接出发，反推一个可操作的数学问题。这个阶段的辅导不需要数学计算，需要的是把个人经历翻译成数学语言的思维训练。
另一个数学IA的常见失分点是：HL学生使用了SL级别的数学方法。评分标准明确要求方法应匹配课程级别，HL学生在低难度选题上做扩展会被判为“数学应用过于简单”。线上指导在定稿前会做一次方法级别检查，确认所使用的方法论和课程级别匹配。
四、人文社科类IA：关键概念和评估深度决定分数
经济IA是三篇独立的评论文章，每篇800词，三篇加总占学科总成绩的20%。经济IA的评分标准从A到F，其中Criterion D（关键概念）有一条零分红线：如果关键概念使用错误，或者关键概念与文章分析脱节，该维度直接0分。
这意味着经济IA的写作顺序不能是“先写完文章再贴一个关键概念上去”。关键概念（如稀缺性、效率、可持续性、均衡等）必须从选题阶段就确定，并且贯穿全文的分析逻辑。线上指导在经济IA上的介入点通常是在动笔之前：老师和你一起确认这篇文章要聚焦哪个单元、选什么文章、用哪个关键概念来统领分析，然后在初稿完成后检查关键概念是否真正在每一段分析中发挥了作用，还是只是引言里提了一下就消失了。
评估部分（Criterion E）的常见问题是只列优缺点而不做权衡。高分的评估需要对比不同利益相关方（生产者、消费者、政府）、区分短期和长期影响、给出条件性的判断（“在X条件下该结论成立，在Y条件下需要修正”）。线上指导在这一部分的工作是逐段检查：你写的评估段落是在“描述”，还是在“判断”？如果只是在描述不同视角而没有给出你自己的权衡结论，这一段就需要重写。
历史IA的情况有所不同，总分由三个部分组成：Inquiry Question（6分）、Sources & Perspectives（6分）、Synthesis & Evaluation（12分）。Synthesis & Evaluation占了一半的分数，这是历史IA和多数学生直觉相反的地方——他们往往把大部分精力花在找史料和叙述事件上，却在“综合与评估”部分写得很浅。线上指导在历史IA上的关键介入是：检查你的Evaluation部分是否真正做了“source evaluation”——你是否分析了所引来源的来源、目的、价值和局限，而不是直接引用来源的内容当作事实。
还在为 IB 教材发愁？扫码就能免费领
覆盖全科目考点，让你的备考之路更顺畅！
五、时间节点：IA的截止时间是隐形杀手
IA的写作不是一次性的任务，它贯穿DP两年。一个常见的误判是“DP2再集中处理IA”。实际上，多数科目的IA初稿截止日期在DP2的11月至12月，而EE的进度检查和TOK的论文也集中在同一时段。如果IA拖到那个时候才动笔，三条线会同时挤压。
线上指导在时间管理上的作用，是帮你把IA的写作拆成有明确节点的阶段。以科学IA为例，一个可行的时间线是：DP1下学期完成选题和实验设计，暑假完成数据收集和初步分析，DP2的9月完成数据分析草稿，10月完成结论和评估，11月修改定稿。每一个节点都有对应的检查点，老师可以在每个节点结束时做一次“是否对准标准”的快速核对，而不是等到初稿写完才发现方向有问题。
线上形式在这个时间线中的实用性在于：你可以在实验完成后随时上传数据，老师批注后你修改，下一节课直接讨论修改结果。这种“做一段、看一段、改一段”的节奏，比攒齐所有材料再上一次课要有效得多。
六、线上指导的实际形式与效果
线上一对一的IA指导，在实际操作中通常包括以下环节：选题阶段的研究问题窄化讨论（把你的宽泛兴趣缩小到一个可操作的问题）、实验/数据收集阶段的变量和误差控制检查、数据分析阶段的不确定度传递逐行核对、写作阶段的段落结构与评分标准对照，以及定稿前的逐项标准自查。
线上形式在IA辅导中有几个具体优势。数据分析和图表检查可以在共享屏幕上实时完成——老师可以直接看到你的数据表、图表和计算过程，指出哪一个量缺少不确定度、哪一个图表的轴标签不规范。IA草稿的批注可以在文档上直接进行，你修改后老师可以看到修改版本，形成连续的反馈循环。此外，IA的写作周期长达数月，线上辅导的排课灵活性意味着你可以在数据刚收集完的那个周末就安排一次分析指导，而不必等到下一次线下课。
七、选IA线上指导老师时看什么
IA辅导对老师的要求和学科同步辅导不同。学科辅导考的是知识讲解，IA辅导考的是是否熟悉评分细则、是否知道每一分的得分点在哪里。
几个可以判断专业度的信号：老师是否能在第一次讨论中就指出你的研究问题缺少什么限定条件；是否能在看完你的数据表后立刻指出不确定度传递在哪一步断了；是否了解你所在科目2025年改革后的评分变化（比如科学类Conclusion和Evaluation分离对写作的影响）。一个做过IB阅卷或IA审核的老师，对这些细节的反应是条件反射式的，而不需要回去查资料。
线上一对一的IA指导课时费通常和学科辅导持平，但IA辅导的课时需求更集中在节点上——可能整个IA周期只需要5到8次课，每次集中在关键节点上做检查和修正。这种“节点式”的辅导方式，单位时间的效率远高于每周固定上课但缺乏明确检查点的模式。
IA论文的本质，是一份有明确评分标准的学术写作任务。它的每一个得分点都是可识别、可检查的。线上指导的价值，是在你走偏之前告诉你偏了，在你漏掉某个得分点时提醒你补上。当你把每一个评分标准都翻译成具体的写作行动时，IA就不再是一篇“不知道写得好不好”的论文，而是一份你知道每一分在哪里、也知道怎么拿到的报告。
以上就是关于【IB IA论文线上指导】的内容，如需了解IB课程动态，可至IB课程资源网获取更多信息。
相关精彩文章阅读推荐：
