IB 化学 IA 到底在考什么？
先把评分逻辑搞清楚
IB 化学 IA（Internal Assessment）是化学课程中占比 20%（SL/HL 相同）的内部评估部分。它不是“把实验做完就行”，更像一份你自己设计的小型科学研究报告。
先来看评分标准：IA 原始总分：24 分（SL/HL 相同），在最终总评里，IB 会把 24 分按比例缩放到 20 分计入课程总分。
每份IA的评分分为四个部分
| Criterion
（新大纲） |
满分 | 权重 |
| Research design
（研究设计） |
6 | 25% |
| Data analysis
（数据分析） |
6 | 25% |
| Conclusion
（结论） |
6 | 25% |
| Evaluation
（评价与改进） |
6 | 25% |
| Total | 24 | 100% |
从这个表格厘米可以看出，IB化学IA对于每一个部分的权重是一样的，而对于实验结果的分析，结论，和评价占了全文75%的分数。这意味着评分的重点在于：
| 你能不能提出一个可研究、可量化的 Research Question（RQ） |
| 你能不能把实验设计成：变量清晰、数据量足、误差可解释 |
| 你能不能用“IB 语言”写出：分析（Analysis）+ 评价（Evaluation）+ 改进（Improvements） |
接下来我们将从选题、实验设计、写作这三个方面来讨论如何提高IA 的“可控性”和“可写性”，提升拿7的把握。
选题：不是选“厉害”，是选“能拿分”
高分 IB化学IA 选题的4 条硬标准（照抄自检）
变量清晰：IV / DV / CV 一眼能写出来： Independent Variable（自变量，你主动改变的量），Dependent Variable（因变量,你用仪器/方法测出来的量)， Controlled Variables（控制变量，必须保持不变的关键条件），Monitored Variables (因实验条件受限，无法保持不变，但对于结果可能有影响的条件）。
可量化：最好是连续变量或能分级的变量： 连续 （浓度、温度、pH、时间、体积、碳链长度），分级（金属种类、溶剂种类、电极材料）。
数据量足：至少 5–7 个trials + 每组重复。建议目标：IV 水平 ≥ 5，每组重复 ≥ 3，总数据点 ≥ 15（写不满的题，基本拿不到高分）。
能解释：背后有化学原理空间：你至少要能写出 2 个理论点解释趋势（碰撞理论/平衡/酸碱/能量/电化学…）和 3 个误差来源 + 2 个可执行改进（不是“更小心”这种空话）。
最稳的选题方向（高成功率“拿分型”）
如果你想稳稳写满分析与评价，优先考虑这些（它们天然数据好做、趋势好出、机理好讲）：
反应速率（Kinetics）：浓度/温度/催化剂 → 速率（气体体积、质量变化、颜色变化时间）。优点：趋势明显，误差能讲，图像好画。
酸碱（Acids & Bases）：浓度/温度 → pH 变化、缓冲容量、Ka 变化。优点：数据很“干净”，很适合写不确定性与评价。
热化学（Energetics）：碳链长度/燃料类型/盐溶解 → ΔH、ΔT。优点：讨论空间大（热损失、系统误差），但要会写“误差解释”。
电化学（Redox / Electrochem）：浓度/金属组合 → Ecell、内阻表现。优点：数据直观，可讨论 Nernst、离子强度、极化。
Research Question（RQ）写法模板（一定要“像 IA”）
万能句式：How does[IV]affect[DV]of[system], measured by[method], under controlled conditions of[key CVs]?
注意！！ DV 一定要写成“可测量”的定义，而不是一句空话。你要把“怎么测”写进题目里。
举例（Rates）
How does the concentration of HCl affect the rate of reaction with Mg ribbon, measured by the volume of H₂ produced in 60 s, at 298 K?
举例（Buffer）
How does the ratio of CH₃COOH/CH₃COO⁻ affect buffer capacity, defined as ΔpH after adding 5.00 mL of 0.10 mol dm⁻³ HCl?
避坑清单：这类选题看起来高级，其实很难拿高分
变量太多不可控：工业反应、纳米材料、真实环境样品
DV 不可靠：靠颜色“看起来”、靠主观判断
化学深度不够：写成科普/生活观察，没有化学模型与计算
数据量做不出来：只能做 3 组、重复做不了
结论：IB化学IA 想要拿高分，选题不求大，只求可控、可测、可分析。
实验设计：把“变量 + 数据 + 误差”
一次性设计到位
实验设计的目标
让你的数据“能画出趋势”，让你的误差“有东西可写”。很多IA 低分是因为实验设计阶段没有想清楚，常见错误包括：
IV 水平太少 → 图像没趋势
没重复 → 没标准差、没误差条、评价写不动
CV 控不住 → 异常值一堆，解释变成“找借口”
高分实验设计必备三件套：变量表、数据计划、风险预案
（1）变量表（建议直接放进报告）
IV：单位、范围、为什么选这个范围
DV：怎么测、仪器精度、不确定性来源
CV：至少 5 个（温度、体积、表面积、搅拌速率、反应时间、仪器校准…）
注意！！！
CV 不只是“写出来”，你要写“怎么控制”。例如：
温度：水浴 + 温度计监控（每次反应前平衡 5 min）
体积：移液管/容量瓶
表面积：同规格镁带，长度统一，打磨氧化层
（2）数据计划（不写清楚就会“做着做着崩盘”）
你开做前就要决定：
IV 做几组：建议 6–8 组
每组重复几次：建议 3 次（最低）
记录哪些原始数据：别只记“算出来的”，要记“读数”
举例（Reaction rates from changes in gas volume）：
原始数据：时间、气体体积读数（每 10 s 或固定时间点）
处理数据：初速（前 20–30 s 的斜率）/60 s 总产量
不确定性：量筒读数 ±0.5 mL、时间 ±0.2 s
（3）风险预案
（这一步决定你有没有“Evaluation 可写性”）
你提前写好：
可能的系统误差：热损失、气体泄漏、氧化膜、仪器零点偏差
可能的随机误差：读数视差、搅拌差异、点火/开始计时反应延迟
对应改进：密封装置、数据记录频率、重复次数、校准方法
常见错误
IB化学IA 不是“误差越小越好”，而是：你能不能解释误差、量化误差、提出改进。
三个“最容易拿分”的实验结构
结构 A：单一 IV → 明显趋势（最稳, 可以确保拿到6，但是有时不利于冲7）
IV：浓度/温度/时间
DV：速率/ΔT/pH
优点：图像清楚，结论好写
结构 B：对比型（容易写评价）
IV：不同材料/不同溶剂/不同燃料
DV：电压/焓变/速率
注意：对比型一定要补“为什么它们会不同”的结构解释
结构 C：建模型（高上限）
做线性化：Arrhenius、van’t Hoff、Nernst
优点：分析部分很容易写出“高阶讨论”
写作：把 IA 写成“按点给分”的样子
IB化学IA 写作不是作文，是“评分点清单”
你写作时要一直问自己一句：我这段话，对应了哪个 rubric 的得分点？
最推荐的写作结构（最不容易漏分）：
Research Question & Rationale（研究问题与意义）
Background Theory（理论背景）
Variables（变量定义）
Method（方法）
Raw Data（原始数据）
Processed Data（处理数据）
Analysis（趋势解释 + 化学机理）
Conclusion（回答 RQ）
Evaluation（误差 + 改进 + 进一步研究）
每一部分怎么写才“像 IB 语言”？
（1）Rationale：不要写空话
要写“为什么这个系统值得研究”
好的写法：
说明研究的化学意义（碰撞理论/平衡移动/分子间作用力等）
说明为什么选择这个范围（预实验/文献值/仪器限制）
给出可检验的假设（Hypothesis）+ 原理依据
常见空话：
“我对这个很感兴趣”
“这个在生活中很常见”但不连接化学模型
（2）Theory：写“能用得上的理论”，不要堆百科
你只写你后面会用来解释趋势、支撑结论的那几条公式/原理。并且每条理论都要解释变量怎么影响 DV。
（3）Data：原始数据与处理数据要“层级分明”
Raw Data：读数表 + 单位 + 不确定性（±）
Processed Data：平均值、标准差、误差条、计算示例（1 组即可）
常见错误
只放“平均值”很危险：你会失去评价误差和可靠性的抓手。
（4）Analysis：用“Definition/Principle →
Apply → Consequence”的逻辑写
建议你每一段分析都这样写：
原理：碰撞理论 / Le Chatelier / Nernst / 晶格能与水合能
应用：当 IV 增大时，哪一项改变？
结果：DV 为什么上升/下降？趋势为什么可能变缓/出现平台？
异常：某点偏离，最可能的误差来源是什么（用数据支撑）
（5）Conclusion：必须“直接回答 RQ”，
不要只复述现象
高分结论写法：
用一句话回答（IV ↑ → DV ↑/↓，关系类型）
给出支持证据（斜率、相关系数 R²、误差条重叠情况）
简短回扣原理（为什么会这样）
（6）Evaluation：这是拉开 6/7 的关键区
评价部分你至少写三层：
第一层：误差来源分类（系统/随机）：系统误差：会让数据整体偏大/偏小；随机误差：会让数据更分散（标准差大）
第二层：误差影响要“具体到 DV/趋势”：别写“会造成误差”，要写会让速率被低估/高估？还是让斜率变小/变大？还是会让某一组更容易偏离？
第三层：改进要“可执行 + 对应误差”：用什么仪器替换（移液管替代量筒）；怎么校准（温度计、天平、pH 计）；怎么提升可靠性（增加重复、缩小读数间隔、改密封结构）
常见错误
改进不能是“更小心操作”。这类话基本不加分。
总之，一篇高分 IB 化学 IA 的核心，不在于题目“多高级”，而在于你能否从一开始就把 选题—实验设计—写作三件事做成一个闭环：选一个变量清晰、可量化、数据量充足且有化学解释空间的 RQ；用可重复、可控变量、可量化误差的数据方案把趋势做出来；最后用符合 Markscheme 的结构把数据处理、机理分析、结论回应与评价改进写“对位”，让每一段都有对应得分点。真正拉开分差的往往是数据是否能支撑分析以及Evaluation 是否具体可执行——从误差影响到改进方案都要写得有证据、有逻辑、有可操作性。
想要拿到 IB化学IA 高分 = 好题目（可控） + 好数据（足量） + 好表达（按点给分）
好啦，今天的分享就到这里啦!
