Anforderungen verstehen, eine tragfähige Fragestellung entwickeln und Beispiele sinnvoll nutzen – für Mathematics AA und AI auf SL und HL.
Eine starke mathematische Arbeit beginnt nicht mit möglichst komplizierten Formeln. Sie beginnt mit einer klaren Frage, passenden Methoden und einer Argumentation, die Schritt für Schritt verständlich bleibt.
Anonymisierte Arbeit per E-Mail senden und eine lokal erstellte, priorisierte Auswertung erhalten. Online ist ausschließlich eine fiktive Demo zu sehen.
Fragestellung, Mathematik, Kommunikation und Reflexion als zusammenhängende Exploration entwickeln.
IA verstehenEine eng gefasste mathematische Forschungsfrage selbstständig und vertieft untersuchen.
EE verstehenPrüfungssession, Regelversion, Kurs und Niveau richtig zuordnen.
Vorgaben prüfenGemischte Ausgangspunkte aus Analysis, Statistik, Geometrie, Modellierung und weiteren Bereichen entdecken.
Ideen ansehenOffizielle und kuratierte Arbeiten nach Quelle, Format, Sprache und Lernwert einordnen.
Beispiele analysierenDen allgemeinen IB-Mathematik-Kontext und die Kurswahl kompakt einordnen.
IB-ÜberblickAlle Vorschläge kompakt vergleichen – mit Codes für IA oder EE, AA oder Math AI, SL oder HL, Personal Engagement, Messgeräte und Sicherheit.
Beide verlangen Eigenständigkeit und klare Mathematik. Zweck, Umfang und Forschungsanspruch sind jedoch nicht identisch.
Die IA ist eine fachbezogene Untersuchung innerhalb von Mathematics AA oder AI. Sie soll zeigen, wie eine eigene Frage mit passenden mathematischen Verfahren bearbeitet, dargestellt und reflektiert wird.
Der Mathematics EE untersucht eine fokussierte mathematische Frage in größerer Tiefe. Er braucht eine tragfähige Argumentationslinie, Quellenarbeit und eine kritische Bewertung der Ergebnisse.
Die Reihenfolge verhindert, dass ein interessantes Thema ohne passende Mathematik gewählt wird.
Welcher reale oder abstrakte Zusammenhang ist wirklich interessant?
Welche Variable, Beziehung, Struktur oder Behauptung soll untersucht werden?
Sind Methoden, Daten und Werkzeuge passend und verständlich beherrschbar?
Was bedeutet das Resultat, welche Grenzen bleiben und was könnte verbessert werden?
Turnitin Similarity, AI Writing und unabhängige Detektoren beantworten verschiedene Fragen. Beide Bereiche sind wieder vollständig mit dem IA-&-EE-Bereich verknüpft.
Gute Beispiele helfen dabei, Struktur, mathematische Kommunikation und Reflexion zu erkennen. Forschungsfrage, Text, Herleitungen, Daten, Abbildungen und Code müssen jedoch aus der eigenen Untersuchung entstehen.
Beispiele verantwortungsvoll nutzenDer Themenfinder zeigt gemischte Ausgangspunkte und macht sichtbar, welche Mathematik, Daten und Erweiterungen möglich sind.