IB Math AI SL 7점 받는 법
통계·모델링 + IA 멘토십

7점을 위한 단계별 전략

1. 통계 결론 서술 형식 내면화: 가설검정에서 p-value와 유의수준 비교 후 결론을 정확한 문장으로 쓰는 것이 가장 자주 실점되는 영역입니다. mark scheme 언어를 반복해서 써 보는 것이 필수입니다.
2. 모델링 단원 함수 선택 판단력 기르기: 데이터가 주어졌을 때 선형·이차·지수·삼각함수 모델 중 어느 것이 적합한지 판단하고, 모델의 한계(limitation)를 설명하는 훈련이 필요합니다.
3. 금융 수학 공식 완전 숙달: 복리 계산, 연금, 대출 상환 등 금융 수학은 공식만 정확하게 적용하면 확실한 점수 구간입니다. GDC의 TVM(Time Value of Money) Solver 사용도 함께 익혀야 합니다.
4. GDC 조작 완전 숙달: 정규분포·이항분포·역확률 계산, 회귀선 구하기, 통계 검정 p-value 출력을 시험 시간 내에 실수 없이 처리해야 합니다. Paper 2에서 GDC 조작 미숙은 직접적인 시간 낭비로 연결됩니다.
5. IA 주제 수학적 깊이 설계: 실생활 데이터 주제를 선정했지만 기술통계에만 그쳐 Use of Mathematics criterion에서 낮은 점수를 받는 경우가 많습니다. 상관분석·회귀 모델·확률 모델 수준의 수학을 포함해야 합니다.
6. 기출 5개년 토픽 우선순위 파악: 통계와 모델링이 매년 안정적으로 출제되고, 벡터·삼각함수는 상대적으로 가변적입니다. 강점 토픽은 실수 최소화, 약점 토픽은 집중 보강의 두 트랙으로 접근합니다.

흔한 실수 TOP 5

1. 통계 결론 서술 형식 오류: p-value 계산 후 "Therefore reject H₀"처럼 단순하게 쓰거나 유의수준 비교 없이 결론을 쓰면 결론 점수를 받지 못합니다. mark scheme의 정확한 서술 형식을 반복 훈련해야 합니다.
2. GDC 반올림 일관성 문제: 중간 계산값을 너무 일찍 반올림하면 최종 답에서 오차가 생겨 정확도 점수를 잃습니다. GDC의 완전한 값을 최종 답 직전까지 유지하는 것이 원칙입니다.
3. IA 수학적 깊이 부족: 데이터 시각화와 평균·분산 계산만으로 보고서를 채우면 Use of Mathematics criterion에서 낮은 점수를 받습니다. 최소한 상관분석·회귀·확률 모델 수준의 수학이 포함되어야 합니다.
4. 모델 한계 서술 누락: 모델링 문제에서 모델의 가정과 한계를 서술하지 않으면 해석 점수를 놓칩니다. "The model assumes..." 형식의 표현을 항상 답안에 포함하는 훈련이 필요합니다.
5. 금융 수학 단위·기간 혼동: 연이율·월이율·분기이율 변환을 잘못 적용하거나 기간 단위를 혼용하면 금융 수학 문항 전체를 틀리게 됩니다. 문제에서 제시된 단위를 먼저 확인하는 습관이 중요합니다.

온라인으로 IA 8주 멘토십

자주 묻는 질문