IB Math AI HL 7점 받는 법
Paper 3 전략 + 데이터·ML 연계

7점을 위한 단계별 전략

1. 통계·확률 단원 완성도 우선: 카이제곱검정·t검정·Spearman's rank correlation·정규분포 등 심화 통계를 GDC로 정확하게 출력하고 결과를 mark scheme 언어로 해석하는 훈련이 핵심입니다.
2. 그래프이론 용어·알고리즘 내면화: vertex·edge·degree·Eulerian/Hamiltonian path, Kruskal·Dijkstra 알고리즘을 서술 형식으로 쓸 수 있어야 합니다. HL 전용 토픽이므로 기출 패턴을 반드시 분석해야 합니다.
3. 행렬(Matrices) 연산 정확도 확보: 행렬 곱셈·역행렬·행렬 방정식 풀이를 계산기와 손 계산 두 방식 모두 훈련합니다. Paper 1에서는 calculator가 불가하므로 소규모 행렬 연산을 손으로 처리하는 연습이 필요합니다.
4. Paper 3 접근 방식 별도 훈련: 실제 데이터 세트나 응용 시나리오가 주어지고 여러 토픽을 연결합니다. 데이터를 보고 적절한 통계 방법을 선택하는 판단 훈련과 시나리오 맥락에서 수학적 결론을 해석하는 훈련을 병행해야 합니다.
5. IA 주제 수학적 깊이 설계: 실생활 데이터 주제는 접근하기 쉽지만 수학적 깊이(Use of Mathematics criterion)가 낮으면 점수가 크게 깎입니다. 단순 시각화에 그치지 않고 모델 적합도 분석이나 통계 검정 수준의 내용을 포함해야 합니다.
6. GDC 조작 완전 숙달: AI HL은 기술 활용을 전제로 한 과목이므로 GDC로 회귀분석·확률분포·행렬 계산을 빠르게 처리하는 능력이 시험 시간 확보에 직접 영향을 줍니다.
7. 모델링 단원 해석 언어 훈련: 수학적 모델의 가정(assumption)·한계(limitation)·적용 범위를 mark scheme 언어로 쓰는 연습이 서술형 문항 점수를 좌우합니다.

흔한 실수 TOP 5

1. 통계 검정 결론 서술 오류: p-value와 유의수준 비교 후 결론을 mark scheme 언어("There is sufficient evidence to reject H₀..." 등)로 쓰지 않으면 결론 점수를 받지 못합니다. 정확한 서술 형식 훈련이 필수입니다.
2. Paper 3 데이터 맥락 무시: 데이터의 단위·범위·실생활 의미를 무시하고 수치만 계산해 제출하면 해석 문항에서 점수를 놓칩니다. 결과를 항상 맥락 안에서 해석하는 습관이 중요합니다.
3. IA 수학적 깊이 부족: 실생활 데이터 주제를 선정했지만 시각화와 기술통계에만 그쳐 Use of Mathematics criterion에서 낮은 점수를 받는 경우가 많습니다. 추론통계나 회귀 모델을 포함해야 합니다.
4. 그래프이론 알고리즘 단계 누락: Kruskal·Dijkstra 알고리즘을 풀이할 때 각 단계를 명시하지 않으면 method marks를 받지 못합니다. 단계별 표기 형식을 기출 mark scheme으로 확인해야 합니다.
5. GDC 결과값 반올림 일관성 문제: GDC 출력값을 중간 단계에서 너무 일찍 반올림하면 최종 답에서 오차가 생겨 정확도 점수를 잃습니다. 최종 답 직전까지 GDC의 완전한 값을 유지하는 것이 원칙입니다.

온라인으로 IA 8주 멘토십 + Paper 3 집중

자주 묻는 질문