IB 经济 IA（Internal Assessment）是 IB 经济课程的「核心内部评估」，满分 45 分中的 25 分（占 55%）。IA 的「选题」是评分的第一关——选题不好，写作再好也拿不到高分。这篇从 IB 官方评分标准、评分官的 7 个偏好、选题雷区三个维度拆解。

IB 经济 IA 的官方评分标准

IB 经济 IA 的官方评分标准（来自 IB 官方 Subject Guide 2024-2026）。IA 满分 25 分（占 IB 经济 HL 总分的 25%，SL 总分的 30%）。评分维度：维度一：聚焦（Focus）。满分 5 分，评估「IA 的选题聚焦度+研究问题的清晰度」。维度二：术语（Terminology）。满分 5 分，评估「经济术语的使用准确性」。维度三：理论（Theory）。满分 5 分，评估「经济理论的深度+应用」。维度四：分析（Analysis）。满分 5 分，评估「数据分析+图表+论证」。维度五：评估（Evaluation）。满分 5 分，评估「批判思维+多角度」。换算逻辑：5 个维度各 5 分，最高 25 分。换算术议程：IB 经济 IA = Focus + Terminology + Theory + Analysis + Evaluation。

几个评分细节。细节一：IB 经济 IA 由 IB 学校经济老师评分（Moderated），IB 总考官抽样调整。细节二：IA 字数不超过 800 字（含表格标题，但不含参考+附录+图表）。细节三：IA 必须基于「真实数据」+「真实经济事件」，不能虚构。细节四：IA 提交时不能写学生姓名，用 4 位数字代码匿名提交。换算逻辑：IA 是「内部评估+外部抽查」，分数可信度高。

评分官的 7 个偏好之一：聚焦具体问题

评分官的 7 个偏好之一：聚焦具体问题。IA 不能写「大题目」（如「全球化的影响」「中国经济问题」），要写「具体问题」（如「2023 年人民币贬值对中国出口的影响」）。换算逻辑：聚焦具体问题 = Focus 5 分。

聚焦具体问题的真实案例。错误选题：「全球化的影响」——太宽，800 字根本写不清楚。错误选题：「中国经济问题」——太宽，没有具体经济理论。错误选题：「通货膨胀的原因」——太教科书，没有真实数据。正确选题：「2023 年人民币贬值对中国汽车出口的影响」——具体+有真实数据+有理论空间。换算逻辑：评分官偏好「具体+有真实数据+有理论空间」的选题。换算术议程：聚焦具体 = 1 个具体问题 + 真实数据 + 经济理论。

几个聚焦具体问题的细节。细节一：选题要「有时间范围」（如「2020-2023 年」）。细节二：选题要「有地理范围」（如「中国」「美国」「欧盟」）。细节三：选题要「有具体经济变量」（如「人民币汇率」「GDP 增长」「失业率」）。细节四：选题要「有真实数据来源」（如世界银行、IMF、国家统计局）。换算逻辑：评分官偏好「时间+地理+变量+数据」四维具体的选题。换算术议程：选题 = 时间范围 + 地理范围 + 具体变量 + 真实数据。

评分官的 7 个偏好之二：使用真实数据

评分官的 7 个偏好之二：使用真实数据。IA 必须使用「真实数据」（如世界银行 GDP 数据、IMF 通胀数据、国家统计局就业数据），不能使用「假数据」或「假设数据」。换算逻辑：使用真实数据 = Analysis 5 分。

使用真实数据的真实案例。错误使用：「假设 GDP 增长 5%」（无来源）。正确使用：「根据世界银行数据，2020-2023 年中国 GDP 增长分别为 2.2%、8.4%、3.0%、5.2%」。换算逻辑：真实数据要「来源+具体数字+时间范围」。换算术议程：真实数据 = 来源 + 数字 + 时间。

几个使用真实数据的细节。细节一：数据来源要「权威」（世界银行、IMF、国家统计局、央行、行业协会）。细节二：数据要「具体」（如 GDP 增长 5.2%，不是「5% 左右」）。细节三：数据要「有时间范围」（如「2020-2023 年」）。细节四：数据要「多组」（如 GDP + 通胀 + 失业率 + 出口数据）。换算逻辑：评分官偏好「权威+具体+时间+多组」的数据。换算术议程：真实数据 = 权威来源 + 具体数字 + 时间范围 + 多组数据。

评分官的 7 个偏好之三：使用经济理论

评分官的 7 个偏好之三：使用经济理论。IA 必须使用「经济理论」（如供需理论、弹性理论、外部性理论、宏观经济学理论），不能只描述现象。换算逻辑：使用经济理论 = Theory 5 分。

使用经济理论的真实案例。选题：「2023 年人民币贬值对中国出口的影响」。使用理论：「根据马歇尔-勒纳条件（Marshall-Lerner Condition），汇率贬值会改善贸易逆差，但需要满足进出口需求弹性之和大于 1 的条件。中国的出口商品多为劳动密集型（如服装、电子产品），需求弹性较高，因此人民币贬值理论上能促进出口。」换算逻辑：经济理论要「具体应用」，不能只是引用。换算术议程：经济理论 = 理论名称 + 条件 + 应用。

几个使用经济理论的细节。细节一：经济理论要「准确」，不能张冠李戴。细节二：经济理论要「具体应用」，不能泛泛而谈。细节三：经济理论要「深度」，不能只用基础理论（如供需），要用进阶理论（如马歇尔-勒纳条件、菲利普斯曲线、IS-LM 模型）。细节四：经济理论要「多组」，不能只用 1 个理论。换算逻辑：评分官偏好「准确+具体+深度+多组」的理论。换算术议程：经济理论 = 准确 + 具体应用 + 深度 + 多组。

评分官的 7 个偏好之四：图表配合

评分官的 7 个偏好之四：图表配合。IA 必须有「图表」（如供需图、趋势图、对比图），不能只文字描述。换算逻辑：图表配合 = Analysis 5 分。

图表配合的真实案例。IA 包含 3 个图表：图 1——2020-2023 年人民币对美元汇率走势。图 2——2020-2023 年中国汽车出口数量。图 3——2020-2023 年中国汽车出口同比增速。换算逻辑：每个图表配 100-150 字说明。换算术议程：图表 = 3-4 个 + 每图 100-150 字说明。

几个图表配合的细节。细节一：图表要「清晰」，标清楚坐标轴、单位、数据来源。细节二：图表要「相关」，直接服务于研究问题。细节三：图表要「多样」（趋势图+对比图+相关图）。细节四：图表要「自己制作」，不能用教科书的图。换算逻辑：评分官偏好「清晰+相关+多样+自制」的图表。换算术议程：图表配合 = 3-4 个自制图表 + 100-150 字说明。

评分官的 7 个偏好之五：清晰论证

评分官的 7 个偏好之五：清晰论证。IA 的论证要「逻辑清晰」，有「论点+论据+论证+结论」。换算逻辑：清晰论证 = Analysis 5 分。

清晰论证的真实案例。论点：「2023 年人民币贬值对中国汽车出口有显著促进作用。」论据：「根据海关数据，2023 年中国汽车出口同比增长 77%（图 2）。」论证：「人民币贬值使中国汽车在国际市场上的价格相对下降，提升了价格竞争力。同时，全球新能源汽车需求增长，中国新能源汽车出口同比增长 100%（图 3）。」结论：「综合数据与理论，2023 年人民币贬值对中国汽车出口有显著促进作用。」换算逻辑：清晰论证 = 论点 + 论据 + 论证 + 结论。换算术议程：清晰论证 = 1 个论点 + 3-5 个论据 + 链条论证 + 1 个结论。

几个清晰论证的细节。细节一：论证要「具体」，不能抽象。细节二：论证要「有证据」，每个论点都要数据支持。细节三：论证要「有逻辑」，不能跳跃。细节四：论证要「有深度」，不能只描述现象。换算逻辑：评分官偏好「具体+有证据+有逻辑+有深度」的论证。换算术议程：清晰论证 = 具体 + 证据 + 逻辑 + 深度。

评分官的 7 个偏好之六：多角度评估

评分官的 7 个偏好之六：多角度评估。IA 要有「多角度评估」（如正面+反面、短期+长期、个体+整体），不能只分析一个角度。换算逻辑：多角度评估 = Evaluation 5 分。

多角度评估的真实案例。多角度评估：「角度一：正面影响。人民币贬值促进中国汽车出口，提升国际竞争力。角度二：负面影响。人民币贬值使进口原材料（如芯片）成本上升，挤压企业利润。角度三：短期影响。短期内出口快速增长（同比 +77%）。角度四：长期影响。长期可能引发贸易摩擦，欧美可能加征关税。结论：综合评估，人民币贬值对中国汽车出口利大于弊，但需关注贸易摩擦风险。」换算逻辑：多角度评估 = 4 个角度 + 综合结论。换算术议程：多角度评估 = 正面+反面 + 短期+长期 + 综合结论。

几个多角度评估的细节。细节一：多角度评估要「正面+反面」，不能一边倒。细节二：多角度评估要「短期+长期」，不能只分析短期。细节三：多角度评估要「个体+整体」，不能只分析个体。细节四：多角度评估要「承认复杂性」，不要给简单答案。换算逻辑：评分官偏好「多角度+复杂性承认」的评估。换算术议程：多角度评估 = 4 个角度 + 复杂性承认。

评分官的 7 个偏好之七：规范引用

评分官的 7 个偏好之七：规范引用。IA 的所有数据、理论、观点都要「规范引用」（如 MLA、APA、Chicago 等学术引用格式）。换算逻辑：规范引用 = Terminology 5 分。

规范引用的真实案例。错误引用：「根据数据，2023 年中国汽车出口增长 77%。」（无来源）。正确引用：「根据中国海关总署 2024 年 1 月发布的数据，2023 年中国汽车出口同比增长 77%。」换算逻辑：引用要「来源+时间+具体内容」。换算术议程：规范引用 = 1 个来源 + 1 个时间 + 1 个具体内容。

几个规范引用的细节。细节一：引用要「权威来源」（如政府数据、学术论文、权威机构）。细节二：引用要「具体内容」，不是模糊的「根据数据」。细节三：引用要「格式统一」，MLA/APA/Chicago 选一个并保持一致。细节四：引用要「充分」，每个数据都要引用，IA 通常 8-15 个引用。换算逻辑：评分官偏好「权威+具体+统一+充分」的引用。换算术议程：规范引用 = 权威来源 + 具体内容 + 格式统一 + 8-15 个引用。

选题雷区与高分选题对比

选题雷区与高分选题对比。雷区一：选题过大（如「全球化的影响」）。改进：「2020-2023 年中美贸易摩擦对中国出口的影响」。雷区二：选题过小（如「某公司某月销售额下降」）。改进：「2023 年某行业销售额下降的宏观经济因素分析」。雷区三：选题无数据（如「探讨人工智能的影响」）。改进：「2020-2023 年人工智能对中国制造业就业的影响（基于国家统计局数据）」。雷区四：选题无理论（如「某国贫富差距问题」）。改进：「2020-2023 年某国贫富差距扩大的凯恩斯主义分析」。换算逻辑：好选题 = 具体 + 有数据 + 有理论 + 有真实背景。换算术议程：选题雷区 = 大/小/无数据/无理论。

几个选题雷区与改进的细节。细节一：选题要「I-Search」（我探索），不是「We-Search」（大家都写）。细节二：选题要「有研究价值」，不是「重复前人结论」。细节三：选题要「有真实经济背景」，不是「理论推演」。细节四：选题要「800 字能写完」，不是「10000 字也写不完」。换算术议程：选题雷区 = 大 + 小 + 无数据 + 无理论 + 无研究价值 + 无真实背景 + 超字数。

写在最后

IB 经济 IA 的 7 个评分官偏好（聚焦具体+真实数据+经济理论+图表配合+清晰论证+多角度评估+规范引用）是 IA 高分的核心。选题雷区是大/小/无数据/无理论。一次免费评估，可以根据孩子的兴趣、目标分数、IB 经济水平，给出一份「IA 选题+数据来源+理论框架」的具体方案——比任何「IB 经济 IA」的笼统建议都更针对你的孩子。