IB Math IA Nedir? 2025 Tam Rehber (Kriterler, Örnekler, HL/SL Farkı)

IB Math IA Nedir? (IB Math Internal Assessment Açıklaması)

IB Math IA, IB Matematik dersindeki Internal Assessment yani Mathematical Exploration kısmıdır. Kendi seçtiğin bir matematik konusunu, gerçek hayatla bağlantı kurarak araştırdığın yazılı bir projedir. Resmi olarak tüm IB matematik internal assessment derslerinde (AA ve AI, SL ve HL) zorunludur ve 20 puan üzerinden değerlendirilir. 

Bir IB ödevi yazmak bazen biraz korkutucu olabilir. Ama Essay Sepeti’nin uzman hocaları yanınızda. Size burada en ince detayına kadar IB matematik IA yazmayı anlatacağız. Ama yazmakta zorluk çekiyorsanız ve bu konuda danışmanlık almak isterseniz bize sağ aşağıda bulunan mesaj butonundan, iletişim bölümünden ya da [email protected] adresinden ulaşabilirsiniz.

Bunun yanı sıra eğer IB International Baccalaureate (IB) nedir, süreç nasıl işler bilmiyorsanız her IB dersi için bizden danışmanlık alabilirsiniz. IB extended essay, TOK essay gibi konularda danışmanlık almak isterseniz yine aynı şekilde bize ulaşabilirsiniz. Hadi başlayalım 🙂

Arkadaşlar, genellikle okullar, IB matematik internal assessment için yaklaşık 12–20 sayfa civarında bir metin bekler. Bu metin; giriş, matematiksel arka plan, yöntemin açıklandığı kısım, analiz ve sonuç bölümlerinden oluşan küçük bir “makale” gibidir. Fark şu: konuyu sen seçersin ve odak noktası tamamen matematiksel düşünme üzerinedir.

Özetle:

IB Math IA nedir?

Kendi seçtiğin bir matematiksel araştırma projesidir. Gerçek dünyayla bağlantılı bir matematik çözümlemedir ve final notunun %20’sini oluşturan önemli bir çalışma.

IB Math IA Kriterleri Neleri Kapsar?

IB matematik IA’sı sadece “birkaç hesap yapıp grafik çizmek” değildir. Uluslararası Bakalorya, bu çalışmayı beş ana kriter üzerinden değerlendirir ve her kriter belli bir beceriyi ölçer

IB Math IA Kriterleri (A–E)

Criterion A: Presentation (4 puan)

• Yapının net, mantıklı ve takip etmesi kolay olması beklenir.
• Başlıklar, numaralandırma, tablo ve grafiklerin yerleşimi, açıklayıcı figür başlıkları bu kriterde önemlidir.
• Kahve örneğinde: veri tablosunu, sıcaklık–zaman grafiğini ve Newton modeli denklemlerini düzenli biçimde sunman bu kriteri güçlendirir.

Criterion B: Mathematical Communication (4 puan)

• Doğru matematiksel semboller, notasyon, formül yazımı ve terminoloji kullanımı.
• Denklemleri açıklayan cümleler, değişkenlerin neyi temsil ettiğinin net belirtilmesi bu kriterde puan kazandırır.

Criterion C: Personal Engagement (3 puan)

• Konuya kişisel ilgin, merakın ve yaratıcılığın ne ölçüde yansıdığı incelenir.
• Sırf internetten hazır bir veri seti bulmak yerine kendi ölçümlerini yapman, farklı senaryolar denemen bu kriteri güçlendirir.

Criterion D: Reflection (3 puan)

• Sonuçlarını sorgulaman, modelinin güçlü ve zayıf yönlerini tartışman beklenir.
• Kahve örneğinde, oda sıcaklığının tam sabit olmadığını, termometre ölçüm hatalarını veya kupanın malzemesinin etkisini tartışman bu kısma girer.

Criterion E: Use of Mathematics (6 puan)

• Kullanılan matematiğin seviyesi, doğruluğu ve uygunluğu ölçülür.
• SL için doğru kurulmuş bir üstel model ve regresyon yeterliyken, HL için diferansiyel denklem çözümü, hata analizi ve parametrelerin mantıklı yorumu beklenebilir.

Bu beş kriter birlikte “IB Math IA nasıl değerlendirilir?” sorusunun cevabıdır. Yazıyı planlarken her bölümün hangi kriterlere hizmet ettiğini bilmek, notunu doğrudan yükseltir.

IB Math AA ve AI İçin IA Yapısı

IB Matematik internal assessment, hem Analysis and Approaches (AA) hem de Applications and Interpretation (AI) dersleri için zorunludur; fakat odak noktası biraz farklıdır:

IB Math AA IA

Daha teorik, analitik ve “saf” matematik odaklı konulara uygundur. Fonksiyon analizi, türev ve integral, diziler ve seriler, diferansiyel denklemler gibi konular öne çıkar. Kahve soğuma örneğinde AA HL öğrencisi, diferansiyel denklemi kendisi çözerek modeli daha teorik bir çerçeveye oturtabilir.

IB Math AI IA

Veri, istatistik, modelleme ve teknoloji kullanımına daha çok vurgu yapar. Gerçek hayat veri setleri, regresyon analizleri, simülasyonlar ve istatistiksel yorumlar için idealdir. Kahve örneğinde AI öğrencisi, veri toplama, regresyon, güven aralıkları ve grafik yorumlarına ağırlık verip Excel/GeoGebra gibi araçları daha yoğun kullanabilir.

Yapı açısından AA ve AI IA’ları benzerdir:

• Giriş

• Matematiksel arka plan

• Veri/yöntem

• Analiz ve sonuçlar

• Değerlendirme & reflection

Fark, bu başlıkların altında hangi matematiksel araçları ne kadar derin kullandığındadır.

IB Math IA’da Kullanılabilen Matematik Konuları

IB Matematik müfredatındaki hemen her konu, uygun bir gerçek hayat bağlamıyla birleştiğinde IB Math IA konusu olabilir. Müfredatın temel başlıkları her iki derste de benzerdir: sayı ve cebir, fonksiyonlar, geometri ve trigonometri, istatistik ve olasılığın yanı sıra kalkülüs bu konular arasındadır.

Örnekleri kategorize edersek:

• Fonksiyonlar ve modelleme

  • Kahve soğuma (üstel fonksiyonlar)

  • Nüfus artışı–azalışı (Mesela COVID etkileri)

  • Radyoaktif bozunma

• İstatistik ve olasılık

  • Spor istatistikleri (futbol, basketbol istatistikleri)

  • Hisse senedi fiyatlarının volatilite analizi

  • Anket verisiyle korelasyon ve regresyon çalışmaları

• Geometri ve trigonometri

  • Uçak uçuş rotalarının optimizasyonu

  • Güneş paneli açılarının verim analizi

• Kalkülüs (özellikle HL için)

  • Optimizasyon problemleri (maksimum alan, minimum maliyet)

  • Diferansiyel denklemler (soğuma, büyüme ve azalış süreçleri)

Kahve örneğinde olduğu gibi, iyi bir IB matematik IA konusu:

Gerçek hayata bağlı, kullanacağın matematik seviyesi (SL/HL) ile uyumlu veri toplaması veya kuramsal çalışması ulaşılabilir olmalıdır.

IB Math IA Formatı Nasıl Olmalıdır?

IB Math IA (diğer adıyla “Mathematical Exploration”), katı bir kelime sayısı şartı koymaktan çok net yapı, mantıklı akış ve matematiğin doğru iletişimi üzerine kurulur. IB’nin genel yönlendirmesi, çalışmanın yaklaşık 12–20 sayfa civarında olmasıdır; orjinal rehber “uzunluktan çok açıklık ve mantık” vurgusu yapar.

Aşağıdaki yapı, hem IB Math AA IA hem de IB Math AI IA için uygundur. IB Math SL IA ve IB Math HL IA arasında “format” aynı kalır ama fark, kullanılan matematiğin derinliği ve gerekçelendirme kalitesi tarafında ortaya çıkar.

Hızlı Kontrol Listesi

Bir IB Math IA teslim etmeden önce şunlar “tamam” olmalı:

• Kapak sayfası (başlık, ders seviyesi, tarih vb.)

• İçindekiler (başlıklar ve sayfa numaraları)

• Net bölümleme: 4–7 ana başlık ve gerektiğinde alt başlıklar

• Her grafik/tablo için: numara, kısa açıklama ve metin içinde yorum

• Tanımlar ve notasyonlar açık (değişkenler “havada” kalmıyor)

• Sonuç, sınırlılıklar ve geliştirme önerileri (reflection – hocalarınız özellikle bu kısma dikkat edecektir)

• Kaynakça tutarlı tek formatta (Harvard/APA vb.)

Aşağıda her bölümün ne içermesi gerektiğini ve tek bir örnek konu üzerinden (kahve soğuma modeli) nasıl yazılabileceğini basitçe göstereceğiz.

IB Math IA Bölümleri

Başlık ve Araştırma Sorusu

İyi bir IB Math IA formatı her zaman iyi bir araştırma sorusuyla başlar. Araştırma sorusu tek cümlede anlaşılır olmalı Matematiksel olarak “incelenebilir” olmalı (ölçüm, model, kanıt, optimizasyon vb.). Çok geniş olmamalı (ör. “Hisse senedi piyasası” değil; “X verisiyle Y modeli” gibi).

İyi başlık: kısa, spesifik, matematik içeren.

Örnek (kahve konusu):

• Başlık: “Kahvenin Soğuma Hızının Newton’un Soğuma Yasasıyla Modellenmesi”

• Araştırma sorusu: “Bir fincan kahvenin sıcaklığı zamanla, ortam sıcaklığı sabitken Newton’un soğuma yasasına göre hangi parametrelerle en iyi modellenir?”

Küçük ama etkili bir dokunuş: Araştırma sorunun altına 1 – 2 satır hedef ekle.
Örnek: “Amaç: K ve C parametrelerini veriden tahmin edip modelin hatasını değerlendirmek.”

Giriş Bölümü

Giriş bölümünü 4 parçaya bölersen hem okunur hem de puan getiren bir yapı kurarsın:

1. Konuyu tanıt (1 paragraf)

2. Kişisel motivasyonunu ekle (1 paragraf)

3. Araştırma sorusunu net yaz (1 – 2 cümle)

4. Yol haritası ver (2 – 4 cümle)

Örnek giriş (kısa örnek):
Bu IB Math IA çalışmasında günlük hayatta sık karşılaştığım bir soruyu inceliyorum: Kahve neden bazen çok hızlı soğuyor? Araştırma sorum, kahvenin sıcaklık değişimini Newton’un soğuma yasasıyla modelleyip modelin veriye ne kadar uyduğunu test etmektir. Çalışmada önce gerekli matematiksel arka planı kuracağım, sonra sıcaklık verilerini toplayıp üstel bir model oluşturacağım ve son olarak modelin hatasını ve sınırlılıklarını tartışacağım.

Girişte aşırı teoriye girme. Teori “arka plan” bölümünün işi.

Matematiksel Arka Plan ve Notasyon

Bu bölümde amaç, okura “hangi matematikle çalışacağız?” sorusunun cevabını vermek. İyi bir IB Math IA arka planı gerekli tanımları verir (ama ders kitabı kopyası gibi olmaz), kullanılacak formülleri değişken tanımlarıyla sunar. Okuru “yöntem” bölümüne hazırlar.

Örnek (kahve konusu):
Newton’un soğuma yasası, bir cismin sıcaklığının değişim hızının, cisim ile ortam arasındaki sıcaklık farkıyla orantılı olduğunu söyler. Bu çalışmada:

• t anındaki kahve sıcaklığı (°C)

• T_ortam​: ortam sıcaklığı (°C)

• k: soğuma sabiti (dakika^-1)

Model, genel olarak üstel bir forma iner:
T(t)=t_ortam+Ce^-kt (Internet alt yapısı ile notasyon göstermenin zorluğu yüzünden latin alfabesi ile yazılmıştır).

Bu noktada IB Math SL IA seviyesinde çoğu öğrenci modeli kullanıp parametre tahminine geçer. IB Math HL IA yazan biri ise bu formun nereden geldiğini daha ayrıntılı gösterebilir (ör. diferansiyel denklemden çözüm mantığı).

Veri, Yöntem ve Modelleme Kısmı

Bu bölüm, “Ben bu sonucu nasıl ürettim?” kısmıdır. En sık puan kaybı burada olur çünkü öğrenciler yöntemi tam yazmaz (ölçüm aralığı, araç, varsayım, tekrar sayısı, hata kaynakları belirsiz kalır).

İyi bir yöntem bölümü veri nasıl toplandı (neyle, kaç kez, hangi aralıkla), varsayımlar neler? (ortam sıcaklığı sabit mi, karıştırma var mı, aynı kupa mı?), parametreler nasıl bulundu? (regresyon, dönüşüm, hesap makinesi, Excel vb.) ve modelin neden uygun olduğu (kısa gerekçe) belirtir.

Örnek yöntem (kahve):

• Aynı fincanda 250 ml kahve hazırlanır.

• Başlangıç sıcaklığı ölçülür (T_0​).

• Oda sıcaklığı ölçülür ve sabit kabul edilir (T_ortam​).

• Her 5 dakikada bir 40 dakika boyunca sıcaklık kaydedilir.

• Elde edilen (t,T) verisiyle üstel regresyon uygulanarak k ve C tahmin edilir.

IB Math AI IA tarafında burada teknoloji ve veri işleme (tablo, regresyon çıktısı, grafik ekran görüntüsü) daha görünür olur. IB Math AA IA tarafında ise modelin matematiksel gerekçesi (neden üstel?) daha güçlü kurulabilir.

Analiz, Grafikler ve Sonuçların Sunumu

Bu bölümde hedef: “Model kurdum” demek değil, modelin ne söylediğini göstermek.

Analiz kısmını şu sırayla yaz:

1. Veriyi göster (tablo ve ilk grafik)

2. Modeli yaz (parametreleriyle)

3. Veriye uyumu yorumla (grafikte gözlem)

4. Hata ölç (en az 1 metrik)

5. Sonucu gerçek hayata bağla

Örnek (kahve):

• Grafik 1: Ölçüm noktaları (nokta grafiği)

• Grafik 2: Aynı grafikte model eğrisi (fit)

• Kısa yorum: “İlk 10 – 15 dakikada sapma daha yüksek, sonra model yaklaşıyor.”

• Basit hata örneği: Ortalama mutlak hata (MAE) veya maksimum hata.

Grafik kullanırken her görsele şu formatı uygula:
Şekil 1. “Sıcaklığın zamana göre değişimi (ölçüm verisi)”

Bu, okurun metni “tarar” gibi okumasını kolaylaştırır ve IB Math IA sunum kalitesini yükseltir.

Bu bölüm, birçok öğrencinin “2 cümleyle geçiştirdiği” ama yüksek puan getiren yerdir. Güçlü bir reflection modelin güçlü yanlarını söyler (neyi iyi açıklıyor?), sınırlılıkları açıklar (neden tam tutmuyor?), geliştirme önerir (ne eklenebilir?), kişisel öğrenmeyi gösterir (ne öğrendim, neyi farklı yapardım?).

Örnek reflection (kahve):
Bu IB Math IA çalışmasında üstel model, kahvenin genel soğuma trendini başarılı şekilde yakaladı. Ancak ortam sıcaklığının tamamen sabit olmaması, fincanın ısı iletkenliği ve ölçüm anındaki karıştırma gibi faktörler modelin hatasını artırmış olabilir. Çalışmayı geliştirmek için farklı fincan materyallerinde k değerini karşılaştırabilir veya ortam sıcaklığını zamanla ölçüp modele dahil edebilirdim. Bu süreçte, üstel fonksiyonların gerçek hayattaki anlamını daha iyi kavradım ve model – veri uyumunu yalnızca grafikle değil hata ölçüleriyle de değerlendirmem gerektiğini öğrendim.

IB Math IA Nasıl Konu Seçilir? (AA/AI, HL/SL)

Başarılı bir IB Math IA konusu seçmek, genellikle notun yarısını belirler; çünkü iyi bir konu hem IB Math IA kriterleri (özellikle Use of Mathematics + Reflection) hem de yazım akışı için “doğal avantaj” sağlar. En iyi IB Math IA konu seçimi, ilgi, veri/kanıt,  uygun matematik seviyesi ve uygulanabilirlik dengesini aynı anda gözetmelidir.

Aşağıdaki çerçeveyi kullanırsan, hem IB Math AA IA hem de IB Math AI IA için güvenli bir şekilde ilerlersin.

Basit Ama Güçlü IB Math IA Konu Önerileri

İyi bir IB Math IA konusu şu 5 soruya “evet” dedirtmelidir: (1) gerçek dünya bağlantısı var mı? (ölçülebilir bir durum, veri veya gözlem), (2) matematik gerçekten “iş” yapıyor mu? (sadece grafik değil; model, argüman, türetme, optimizasyon), (3) veriye erişim mümkün mü? (kendi ölçümün, açık veri seti, deney, simülasyon), (4) kapsam kontrol edilebilir mi? (2–3 haftada somut ilerleme) ve son olarak (5) kişisel katkı gösterebilir misin? (kendi verin, kendi parametrelerin, kendi karşılaştırman).

Bu kontrol listesiyle “çok geniş” konuları elersin. Örneğin “Hisse senedi piyasası” çok geniş; ama “Belirli bir hisse senedinin volatilitesini 30 günlük pencereyle modellemek” bir IB Math IA konusu olabilir.

Konu türlerine göre hızlı havuz:

• Modelleme/Fonksiyonlar

  • Üstel büyüme ve azalış, lojistik büyüme, regresyon, hata analizi

• İstatistik/Veri

  • Korelasyon ve regresyon, hipotez testleri, dağılımlar, güven aralıkları

• Optimizasyon/Kalkülüs

  • Maksimum ve minimum problemleri, türevle optimizasyon, alan ve kaplama problemleri

• Geometri/Trigonometrik modelleme

  • En uygun açı, rota, mesafe, perspektif, tasarım geometrisi

AA mı AI mı? Konu seçerken küçük fark:

IB Math AA IA için daha uygun konular, “Neden bu model?” sorusuna türetme/kanıt/analitik açıklama koyabileceğin konulardır. IB Math AI IA için daha uygun konular, veri, teknoloji ve yorum tarafını güçlü gösterebileceğin konulardır (regresyon, simülasyon, istatistik).

Örnek IB Math IA Konusu: Kahve Soğuma Hızının Newton’un Soğuma Yasası ile Modellenmesi

Bu örnek, hem “IB Math IA nasıl yazılır” aramalarını karşılayan hem de uygulaması kolay bir IB Math IA konusu olduğu için iyi bir referans.

Araştırma sorusu örneği (net ve ölçülebilir):
“Bir fincan kahvenin sıcaklığı zamanla Newton’un soğuma yasasına göre hangi parametrelerle en iyi modellenir?”

Veri planı (uygulanabilirlik):

• Aynı kupa, aynı miktar kahve (ör. 250 ml)

• Oda sıcaklığı sabit kabul (ölçerek yaz)

• Her 5 dakikada bir 40 – 60 dakika sıcaklık ölçümü

• Tablo ve sıcaklık-zaman grafiği

Matematik planı (SL için yeterli, HL için genişletilebilir):

• Üstel model

• Parametre tahmini: üstel regresyon (Excel/GeoGebra/Desmos)

• Model uyumu: grafik üst üste bindirme ve basit hata metriği (MAE / max error)

• Reflection: varsayımlar, hata kaynakları, geliştirme önerileri

Bu konu neden “güçlü” bir IB Math IA konusu?

• Gerçek hayat bağlantısı çok net.

• Veri toplaması kolay ve kişisel katkı yüksek.

• Matematik seviyesi IB Math SL IA için yeterli; IB Math HL IA için de derinleştirilebilir.

IB Math HL IA öğrencileri için daha ileri IB Math IA konu önerileri

IB Math HL IA yazıyorsan, “konu çok zor olsun” yerine “matematiksel derinlik gerçekten gerekçeli olsun” yaklaşımı daha iyi sonuç verir. Aşağıdaki konu tipleri HL’de doğal derinlik sağlar:

• Diferansiyel denklemlerle modelleme

  • Soğuma, büyüme ve azalış, epidemik modellerin basit versiyonları

• Optimizasyon + kısıtlar

  • Maliyet minimizasyonu, verim maksimize etme, tasarım optimizasyonu

• İleri istatistiksel yorum

  • Birden fazla modelin karşılaştırılması, residual analizi, model seçimi mantığı

• Trigonometrik ve Fourier yaklaşımıyla periyodiklik

  • Basit sinüs modeliyle periyodik veriyi açıklama (çok ileriye kaçmadan)

HL için kahve örneğini nasıl “HL seviyesine” taşırsın?

Aynı deneyde farklı kupa materyallerini karşılaştırıp k parametresini yorumlamak. Modeli diferansiyel denklem formundan kurup (veya mantığını gösterip) çözüm yolunu açıklamak. Hata analizini güçlendirmek (residual grafiği, parametre duyarlılığı). İşin yüzde 90’ı bu.

IB Math IA HL ve SL Farkı Nedir?

IB Math IA HL SL farkı pratikte “format” farkı değildir; beklenen matematik derinliği, argüman kalitesi ve analiz kapsamı farkıdır. Hem IB Math SL IA hem de IB Math HL IA aynı değerlendirme çerçevesine (A – E kriterleri) girer; ancak HL’de “Use of Mathematics” ve “Reflection” tarafında çıta doğal olarak daha yüksektir.

Aşağıda farkı, AA ve AI için ayrı ayrı netleştiriyorum.

IB Math AA SL ve IB Math AA HL için IA Beklentileri

Ortak noktalar (SL + HL), net yapı, doğru notasyon, mantıklı akış; model/kanıt/analiz bölümlerinin birbirini takip etmes ve grafiklerin metin içinde yorumlanmasıdır.

Farkı belirleyen şeyler ise Math AA HL için tipik olarak: daha ileri matematiksel araçlar (ör. daha güçlü kalkülüs, daha derin türetme, daha sofistike optimizasyon), “Neden bu yöntem?” sorusuna daha analitik cevap ve modelin sınırlılıklarını daha teknik tartışmalardır (hata, varsayım, alternatif model).

Kahve örneği ile AA SL vs AA HL:

• IB Math AA SL: Üstel model, regresyon, basit hata ölçüsü ve sınırlılıklar

• IB Math AA HL: Üstel modelin çıkış mantığını daha güçlü kurma, parametre duyarlılığı, alternatif senaryo (farklı ortam/kupa) ve daha sağlam değerlendirme

IB Math AI SL ve IB Math AI HL için IA Beklentileri

AI’de genel karakter olarak veri, teknoloji ve yorum daha görünürdür. Farkı belirleyen şeyler ise daha güçlü veri işleme ve model karşılaştırma, sonuçları daha dikkatli yorumlama (modelin nerede yanıldığı, verinin güvenilirliği), birden fazla yaklaşımı kıyaslamadır (ör. iki farklı regresyon türü, iki farklı veri seti).

Kahve örneği ile AI SL vs AI HL:

• IB Math AI SL: Tek deney, üstel regresyon ve grafik yorum

• IB Math AI HL: Birden fazla deneme (tekrarlar), parametre karşılaştırma, hata metrikleri ve “hangi model daha iyi?” tartışması

Sık yapılan yanlış (HL tarafında):
IB Math HL IA için “çok zor konu seçtim” diye yazıyı gereksiz karmaşıklaştırmak. IB açısından daha iyi strateji: kontrol edilebilir bir konu, güçlü matematiksel iletişim ve yüksek kaliteli reflection.

IB Math IA Örnekleri ve İnceleme Yöntemi

IB Math IA örnekleri (ya da İngilizce aramayla IB Math IA examples) doğru şekilde kullanıldığında, yapı kurma, matematiği sunma ve reflection kalitesini yükseltme açısından en hızlı kaldıraçtır. En kritik kural şudur: Örnekler “kopyalanacak metin” değil, incelenecek standarttır; IB de özellikle authenticity (özgünlük) beklentisini açıkça vurgular.

Örnek IA’lardan Ne Öğrenmelisin? (Yapılması ve Yapılmaması Gerekenler)

Örnek IB Math IA örnekleri incelerken “okumak” değil, parçalarına ayırıp şablon çıkarmak hedef olmalı. Aşağıdaki yöntemi uygula:

İnceleme yöntemi (10 dakikalık checklist):

1. Araştırma sorusu tek cümlede net mi? (ölçülebilir mi?)

2. Girişte kişisel motivasyon var mı, yoksa “genel bilgi” ile mi dolu?

3. Matematiksel arka plan: gerçekten gerekli mi, yoksa kitap özeti mi?

4. Model/hesap adımları: her değişken tanımlı mı?

5. Grafikler: sadece “var” mı, yoksa metinde yorumlanıyor mu?

6. Reflection: sınırlılık, geliştirme önerisi ve öğrenme var mı?

7. Matematik seviyesi “gösteriş” mi, probleme hizmet mi ediyor?

Yapılması gerekenler (Do):

• IB Math IA yapısını “başlık, akış, grafik, reflection” açısından şablonlamak

• Grafik sunum dilini öğrenmek: “Şekil 1 gösteriyor ki…” gibi

• Reflection’ı örneklerden modellemek: sınırlılık -> etkisi -> geliştirme

• Kendi konuna uyarlamak: örneğin “kahve soğuma” yerine “çay soğuma” değil. kKendi verin, kendi senaryon

Yapılmaması gerekenler (Don’t):

• Metni veya hesap akışını “aynı sırayla” kopyalamak (collusion/plagiarism riskini büyütür)

• Örnekteki veri setini doğrudan almak ve kaynak göstermemek

• “Aynı konu, aynı model ve aynı grafik dili” ile ilerlemek (özgünlük algısını zayıflatır)

Eğer IB International Baccalaureate (IB) nedir, süreç nasıl işler bilmiyorsanız bu yazımızdan öğrenebilirsiniz. IB extended essay, TOK essay gibi konularda danışmanlık almak isterseniz sağ altta bulunan mesaj bölümünden, iletişim kısmından ya da [email protected]’dan bize ulaşabilirsiniz.