选择数学延伸论文 (EE) 的课题可能让人感到畏缩 —— 但这也是 IB 文凭课程中最具成就感的部分之一。您将花费多达 4,000 字来探索一个您真正关心的问题，展示您的数学思维、研究技能和独立性。
本指南将帮助您：
– 了解数学 EE 是什么
– 选择一个强大且专注的课题
– 有效地构建您的论文结构
– 避开常见陷阱
– 从涵盖关键数学领域的独特研究问题中获得启发
什么是数学 EE？
| 特点 | 细节 |
| 字数 | 高达 4,000 字（不包括方程、表格、图表和附录） |
| 结构 | 摘要（可选）、前言、主体、结语、参考文献 |
| 评估 | 由外部评分，总分为 34 分，等级为 A–E |
| 核心焦点 | 以研究为基础，强调数学推理和建模 |
| 学科选择 | 任何 IB 学科，但建议选择高级水平 (HL) 学科 |
| 学术诚信 | 所有来源必须注明出处以避免剽窃 |
根据 IB 官方数学 EE 指南，学生被预期要么将知识扩展到 DP 大纲之外，要么应用已知技术对现实世界或抽象问题进行建模。
如何选择一个致胜的数学 EE 课题
– 结合您的强项
– 缩小研究范围
– 确保可行性
– 追求数学深度
– 保持好奇心
按领域划分的独特 IB 数学 EE 研究问题
纯粹数学 (Pure Mathematics)
- 连分数能在多大程度上用于逼近 π 和 e 等无理数，它们的收敛速度如何对比？
- 群论 (Group theory) 如何应用于解决魔方等对称谜题？关于置换群和移动最优性的研究。
- 同余运算在现代密码学中扮演什么角色？对 RSA 密钥生成中同余关系的专注研究。
- 如何利用线性代数和特征值推导并推广斐波那契数列及相关递推关系？
- 与 Miller–Rabin 等概率测试相比，费马小定理在质数测试中的有效性如何？
- 不同的无限概念在 ℕ, ℤ, ℚ, ℝ 和超穷基数中如何体现，这对可数性有何影响？
- 幻方 (Magic squares) 和拉丁方阵 (Latin squares) 背后的组合与代数结构是什么？
统计与概率 (Statistics and Probability)
- 海洋温度异常与特定自然灾害频率之间是否存在可衡量的统计相关性？一种时间序列方法。
- 与 Glicko 或 TrueSkill 相比，Elo 等级分系统在预测国际象棋结果方面的有效性如何？
- 在不同的彩票格式下获胜的概率是多少，期望值和方差如何引导理性博弈？
微积分与数学建模 (Calculus and Mathematical Modelling)
- 微分方程如何模拟传染病的传播，SIR 变体（SEIR, SIRS）如何改变预测准确度？
- 基于微积分的优化能在多大程度上用于设计兼顾安全（重力限制）与刺激（加加速度/曲率）的过山车元素？
- 逻辑模型和捕食者 – 猎物模型能否在保护限制下预测濒危物种的种群增长？
- 矩阵和偏导数在训练神经网络中是如何运用的？
财务数学 (Mathematical Finance)
- Black–Scholes 模型如何用于欧式看涨期权定价，它在真实市场中的哪些地方会失效？
- 在各种回报分布下，定期定额投资 (Dollar-cost averaging) 相对于单笔投入投资的数学优势是什么？
- 在长期视角下，复利如何优于单利？跨利率与时间的敏感性分析。
博弈论与决策 (Game Theory and Decision Making)
- 纳什均衡 (Nash equilibrium) 如何应用于分析第一价格 vs 第二价格拍卖中的投标策略？
- 利用概率和期望值，在简化的扑克变体中的最佳策略是什么？
- “囚徒困境”如何模拟现实世界的商业决策，重复博弈如何改变结果？
几何与拓扑 (Geometry and Topology)
- 拓扑学在理解莫比乌斯带和克莱因瓶方面扮演什么角色，定向和边界如何影响性质？
- 分形几何 (Fractal geometry) 如何模拟海岸线等自然现象？关于分形维度和缩放的研究。
- 极小曲面 (Minimal surfaces) 与肥皂膜、普拉托问题 (Plateau’s problem) 及优化有何关系？
如何构建您的数学 EE 结构
1. 摘要 (Abstract)（可选，约 300 字）
- 总结研究问题、方法和主要结论。
- 这部分最后再写。
2. 前言 (Introduction)
- 清晰且具体地陈述您的研究问题。
- 解释为什么它具有重要意义 —— 无论是在数学领域还是现实世界（如相关）。
- 概述研究范围以及您将涵盖与不涵盖的内容。
- 简要预览您的研究方法（证明、建模、模拟、对比分析）。
3. 主体 (Main Body)
- a) 数学基础：定义您将使用的关键术语、定理和符号。仅提供分析所需的背景；引用原始来源（教科书、论文）。
- b) 方法论：描述您的研究方法：推导、证明策略、模型设计、模拟或统计测试。包括图表、曲线图、表格或代码输出（附带解释）。如果使用软件（Python, GeoGebra, Excel, R），请解释参数并说明选择理由。
- c) 分析与讨论：清晰地、循序渐进地呈现结果。解读发现：准确性、局限性、敏感性、潜在错误来源。在适当情况下对比替代方法或模型。
4. 结语 (Conclusion)
- 直接回答研究问题。
- 反思工作的意义与局限性。
- 提出切实可行的进一步研究方向。
5. 参考文献 (References/Bibliography)
- 使用一致的引用风格（APA, MLA, Chicago）。
- 包括教科书、学术文章、信誉良好的网站及任何访谈。
- 对于软件或数据集，请注明版本和访问日期。
撰写成功数学 EE 的提示
| 提示 | 为什么这很重要 |
| 及早开始 | 给您留出探索、精炼和迭代的时间。 |
| 专注于原创思维 | 在新的语境中应用已知数学，对比方法，或扩展课堂观点。 |
| 使用图表和视觉效果 | 标注良好的图表、表格和曲线图能使数学论证更清晰。 |
| 咨询您的导师 | 定期的沟通能确保您与评分标准保持一致，并帮助设定现实的范围与里程碑。 |
| 避免剽窃 | 深思熟虑地改写，注明观点来源，并引用所有参考文献。 |
| 管理复杂度 | 由浅入深地构建论证。清晰陈述假设并保持符号一致。 |
| 验证您的结果 | 证明题：确保每一步都符合逻辑并陈述所用定理。建模题：测试参数敏感性并尽可能与经验数据对比。统计题：说明所用测试的合理性，检查条件（如独立性、常态性），并报告不确定性。 |
总结：强 vs. 弱的数学 EE 课题
| 强大的课题 | 薄弱的课题 |
| 涉及高阶或扩展的数学观点 | 依赖基础或描述性的数学 |
| 研究问题范围狭窄、专注 | 范围过于宽泛或模糊 |
| 展现原创性和个人参与度 | 缺乏深度或个人见解 |
| 使用多个可信来源 | 依赖单一或不可靠来源 |
| 应用或扩展已知数学 | 仅仅总结教科书内容 |
All Round 卓越学习之道
通过选择定义明确的研究问题，并将相关数学理论应用于具体的现实世界或抽象语境，构建一份专注的 IB 数学延伸论文 (EE)。如果您发现自己需要更多指导，我们邀请您在 All Round Education Academy 与我们联系。我们致力于支持您实现学术目标。欲了解更多信息，请通过 [email protected] 或 +852 6348 8744 联系我们。