隨著香港更多學校採用國際文憑課程 (IB)，數學：應用與解析 (AI) 成為了目標攻讀商業、社會科學、建築、環境研究、經濟學及數據相關領域學生的首選路徑。在 AI（SL 或 HL）中取得 Level 7 仍是一項嚴謹且具挑戰性的成就。
本指南涵蓋內容
- IB 數學 AI 的獨特性
- 影響 Level 7 表現的關鍵大綱領域
- 計算機熟練掌握
- 應試策略及建議準備時間表
- 強大 IA 的特徵
- 應避免的常見陷阱
為什麼數學 AI 獨一無二
數學 AI 強調現實世界的應用而非理論抽象。目標 Level 7 的學生必須能夠熟練地解讀數據、建立數學模型、使用圖形計算機並清晰地解釋推理過程。
學生學習數學如何與現實世界的數據、不確定性和技術互動，而不僅僅是代數運算。本學科獎勵具備以下能力的學生：
- 解讀雜亂或不完整的數據
- 建立現實的數學模型
- 戰略性地使用 GDC（繪圖計算機）
- 清晰地溝通推理過程
- 評核其解決方案的有效性與局限性
影響 Level 7 表現的關鍵大綱領域
SL 和 HL 的共同內容包括統計學、建模、函數圖形行為、財務數學和微分。HL 學生還需額外學習統計推斷、進階微積分、矩陣和網絡。
統計與數據分析
- 常態分佈 (Normal distribution)
- 相關性與因果關係
- 概率與條件概率
- 集中趨勢與離散程度的衡量
- 解讀盒形圖、直方圖和散點圖
- 識別數據集中的偏差與可靠性
AI 考試充滿了現實生活語境（環境數據、社會趨勢、金融）。誤讀哪怕微小的數據線索都會導致失分。
數學建模 (Mathematical Modelling)
- 線性、二次、指數、邏輯模型
- 根據數據選擇最合適的模型
- 解讀參數 (Parameters) 與殘差 (Residuals)
Paper 2 的大部分計算機題目都圍繞著構建和評核模型展開。
函數與圖形行為
- 定義域、值域、漸近線、增長行為
- 變換 (Transformations)
- 複合函數與反函數（HL 要求更深）
- 這些內容通常大量出現在 Paper 1 中。
財務數學
- 複利
- 年金 (Annuities)
- 折舊 (Depreciation)
財務數學經常出現在 Paper 2 中。
微分及其應用
- 斜率、優化 (Optimisation)、變化率
- 在語境中解讀斜率
掌握優化是區分 Level 7 獲取者與其他學生的關鍵技能。
HL 專有課題
HL 題目因需要更深層次的推理，難度往往陡增：
進階微積分
- 積分（應用 + 解讀）
- 尤拉方法 (Euler’s method)
- 微分方程（簡單形式）
統計推斷 (Statistical Inference)
- 信賴區間 (Confidence intervals)
- 假設檢定
- t-分佈 vs. 常態分佈
這部分表現決定了 Paper 3 的成敗。
矩陣與網絡
- 轉移矩陣 (Transition matrices)
- 馬可夫鏈 (Markov chains)
- 最短路徑演算法
計算機掌握度 (Calculator Mastery)
IB 數學 AI 極度依賴計算機。學生必須能高效地進行回歸分析、繪製函數圖形、生成統計圖表並驗證結果。
Level 7 學生必須能夠：
- 進行回歸運算（線性、二次、指數、邏輯）
- 快速繪製函數並分析交點
- 使用試算表進行 IA 建模
- 計算信賴區間、分佈、矩陣及財務運算
- 驗證答案而非純粹猜測
建議花時間熟悉 GDC。例如，了解計算機應處於角度 (degrees) 還是弧度 (radians) 模式，可能會顯著影響考試的分數。
應避免的其他錯誤：
- 在未檢查殘差或語境的情況下使用回歸
- 盲目接受 R² 值最高的模型
- 忘記解讀參數（特別是在指數模型中）
- 在 Paper 1 中過度依賴計算機解答
應試策略與建議準備時間表
Paper 1 測試代數、函數及微積分基礎。Paper 2 專注於建模與解讀。Paper 3 (HL) 要求延伸推理及概念深度。
建議準備時間表
第一年：
- 建立基礎技能
- 加強計算機熟練度
- 探索並選擇 IA 題目
暑假：
- 擬定 IA 初稿
- 整合筆記
- 開始針對性的歷屆試題練習
第二年：
- 及早完成 IA
- 完成全真模擬考試循環
- 磨練考試計時及邏輯推理的一致性
內部評估 (IA)
IA 佔最終成績的 20%。強大的 IA 包含清晰的現實世界問題、紮實的數學技巧、有效的技術應用以及對局限性的反思。
您的探究必須錨定在定義明確的詢問之上。模糊或過於寬泛的題目會削弱整個 IA 的表現。
強大的問題通常：
- 源於真實的好奇心或現實生活語境（金融、體育分析、交通、香港住房數據、環境建模等）
- 具備適合 HL 數學的深度
- 允許使用至少 HL 等級的技巧而非僅是 SL 技巧進行探索
一個清晰的題目必須輔以大量的 HL 數學技巧運用、有效的技術使用、清晰的溝通以及批判性評核。
常見陷阱
未能達到 Level 7 的學生通常落入以下一類或多類：
過度使用計算機、選擇過於複雜的 IA 題目、解釋薄弱、練習不足以及建模策略不明確。
對考題形式練習不足
許多學生複習概念但不動手做計時練習。AI HL 考試強調：
- 多步驟推理
- 細緻的代數運算
- 易出錯的微積分
缺乏重複練習，即使是優秀的學生也會犯下可以避免的錯誤。