IB Diploma Programı'nın en ayırt edici bileşenlerinden biri Internal Assessment'tır (IA). Her subject group'ta öğrencilerin bireysel olarak gerçekleştirdiği bu değerlendirme, toplam IB puanının önemli bir kısmını oluşturur ve sınav başarısından bağımsız olarak öğrencinin analitik becerisini, araştırma yetkinliğini ve bilimsel/sanatsal ifade kapasitesini ölçer. Bu makale, IB IA sürecinin her aşamasını rubric kriterleri üzerinden detaylı biçimde ele alarak, öğrencilerin 6 ve üzeri puan aralığından 7 üzeri puana nasıl geçebileceğini açıklamaktadır.
Internal Assessment nedir ve IB puanlamasındaki yeri
Internal Assessment, IB sınavlarının dışında, okul içinde öğretmen tarafından değerlendirilen ve ardından IBO (International Baccalaureate Organisation) tarafından örneklem kontrolüne tabi tutulan bir bileşendir. Her subject group'ta IA'nın ağırlığı farklılık gösterir: Group 4 Sciences'ta (Biyoloji, Kimya, Fizik, Computer Science) IA toplam notun yüzde 20'sini oluştururken, Group 1 ve Group 2 Languages'ta (Edebiyat ve Dil elective) bu oran yüzde 25, Group 3 Individuals and Societies'ta (Tarih, Ekonomi, Sosyoloji vb.) yüzde 25 ile yüzde 35 arasında değişir. Group 6 Arts'ta ise portföy değerlendirmesi yüzde 40'a kadar çıkabilir.
IA'nın kritik özelliği, öğrencinin sınıfta öğrendiği kavramları gerçek bir bağlamda uygulamasını gerektirmesidir. Bu, sadece formül ezberlemek veya teorik bilgiyi tekrarlamakla değil, bağımsız araştırma tasarlamakla, veri toplamakla ve elde edilen bulguları eleştirel biçimde analiz etmekle gerçekleşir. Bu nedenle IA, IB'nin "theory of knowledge" felsefesini pratiğe döken bir yapı taşıdır.
IB IA genel değerlendirme rubric'i: beş temel kriter
Tüm IB IA'larında ortak olan beş temel kriter bulunur ve her biri 0 ile 6 puan arasında değerlendirilir. Toplam 30 puan üzerinden yapılan bu değerlendirme, daha sonra ilgili subject guide'daki dönüştürme tabloları kullanılarak 7'lik ölçeğe çevrilir. Öğrencilerin öncelikle bu beş kriteri derinlemesine anlaması gerekir.
Kriter A: Araştırma sorusu odaklılığı
Araştırma sorusu (Research Question, RQ), IA'nın omurgasını oluşturur. İyi bir RQ, dar kapsamlı ve ölçülebilir olmalıdır. "İklim değişikliği nedir?" şeklindeki genel bir soru, bir IA için uygun değildir; bunun yerine "Belirli bir bölgede 2000-2020 arasındaki yıllık ortalama sıcaklık artışı ile tarımsal üretim arasındaki ilişki nedir?" gibi odaklı bir soru gerekir. Bu kriterde 6 puan alan öğrenciler, araştırma sorularını hem bağlam hem de değişkenler açısından net biçimde tanımlayan, sınırları belirlenmiş ve uygulanabilir sorular formüle eder.
Kriter B: Planlama
Planlama kriteri, öğrencinin araştırmasını sistematik biçimde yapılandırma kapasitesini ölçer. Bilimsel IA'larda bu, kontrollü değişkenlerin tanımlanmasını, kullanılacak yöntemin gerekçelendirilmesini ve güvenlik ile etik boyutların ele alınmasını içerir. Sosyal bilimler IA'larında ise anket tasarımı, örneklem seçimi ve veri toplama protokolü bu kapsamdadır. Üst düzey puan için planın tekrarlanabilir olması ve diğer araştırmacıların aynı prosedürü izleyebilmesi gerekir.
Kriter C: Veri toplama ve işleme
Bu kriter, öğrencinin ham veriyi nasıl topladığını ve analiz için nasıl işlediğini değerlendirir. Nicel çalışmalarda grafik çizimi, istatistiksel analiz ve belirsizlik hesaplamaları bu aşamanın parçasıdır. Öğrencinin hata kaynaklarını tanıması, ölçüm belirsizliklerini raporlaması ve veri işleme adımlarını şeffaf biçimde sunması yüksek puanın anahtarıdır. Tablo ve grafiklerin uygun formatta, etiketlenmiş ve tutarlı birimlerle sunulması beklenir.
Kriter D: Sonuç ve değerlendirme
Sonuç bölümünde öğrenci, verilerinden çıkardığı bulguları araştırma sorusuyla doğrudan ilişkilendirir ve teorik çerçeveyle karşılaştırır. Üst düzey performans için öğrencinin sonuçlarının sınırlarını kabul etmesi, alternatif açıklamaları değerlendirmesi ve kendi metodolojisindeki zayıflıkları dürüstçe tartışması beklenir. "Beklenen sonuç elde edilememiştir" ifadesi tek başına yeterli değildir; bunun nedenlerinin sistematik biçimde analiz edilmesi gerekir.
Kriter E: İletişim
IA'nın sunum biçimi de değerlendirilir. Yapının tutarlılığı, terminolojinin doğru kullanımı, tabloların ve referansların uygun biçimde düzenlenmesi bu kriterde incelenir. Öğrencinin araştırma sürecini, bulgularını ve argümanlarını açık ve organize biçimde aktarabilmesi beklenir. Bu kriterde 6 puan alan çalışmalar, okuyucuyu yönlendiren akıcı bir anlatıma sahiptir.
Yaygın hatalar ve bunlardan kaçınma yöntemleri
IB IA değerlendirmelerinde öğrencilerin sıklıkla düştüğü hatalar belirli kategorilerde toplanır. Bu hataları önceden tanımak, çalışma sürecini daha verimli hâle getirir.
- Araştırma sorusunun çok geniş veya çok dar olması: Geniş sorular yüzeysel analize, dar sorular ise yetersiz veri setine yol açar. Hedeflenen kelime sayısına ve veri toplama imkânlarına uygun bir RQ formüle edilmelidir.
- Kontrol değişkenlerinin yetersiz ele alınması: Bilimsel IA'larda bağımsız değişkenin etkisini izole edememek, sonuçların güvenilirliğini ciddi biçimde zayıflatır. Her IA'da, kontrol edilen ve ölçülen tüm değişkenlerin açıkça listelenmesi gerekir.
- İstatistiksel analiz eksikliği: Sayısal verilerle çalışan öğrencilerin minimum düzeyde istatistik (ortalama, standart sapma, korelasyon katsayısı gibi) kullanması beklenir. Verilerin yalnızca betimsel biçimde sunulması, üst düzey puan için yeterli değildir.
- Kaynak eleştirisi yapılmaması: Özellikle Group 3 ve Group 1/2 IA'larında öğrencilerin kullandıkları birincil ve ikincil kaynakları sorgulamaması yaygın bir eksikliktir. Her kaynağın güçlü ve zayıf yönlerinin tartışılması, IA'nın analitik derinliğini artırır.
- Sonuç bölümündeki yüzeysellik: "Sonuçlar beklenenle uyumlu/uyumsuzdur" demek yerine, bu durumun olası nedenlerinin sistematik analizinin yapılması gerekir. Güvenilirlik ve geçerlilik kavramlarının metodoloji değerlendirmesiyle birlikte ele alınması 6-7 puan aralığına geçişin anahtarıdır.
Subject group bazında IA stratejileri
Her subject group'un kendine özgü IA gereksinimleri ve değerlendirme öncelikleri vardır. Bu farklılıkları anlamak, strateji belirlemede kritik öneme sahiptir.
| Subject Group | IA odak noktası | Değerlendirme ağırlığı | En kritik kriter |
|---|---|---|---|
| Group 1 - Language and Literature | Metin analizi, retorik inceleme | 25% | C (kanıt kullanımı), D (değerlendirme) |
| Group 2 - Language B | İletişim becerisi, kültürel bağlam | 25% | B (dil doğruluğu), C (görev tamamlama) |
| Group 3 - Individuals and Societies | Veri analizi, teorik uygulama | 25-35% | B (planlama), D (sonuç-değerlendirme) |
| Group 4 - Sciences | Deney tasarımı, veri analizi | 20% | C (veri işleme), D (belirsizlik analizi) |
| Group 5 - Mathematics | Matematiksel modelleme, ispat | 20% | B (matematiksel katkı), C (teknik doğruluk) |
| Group 6 - Arts | Yaratıcı süreç, estetik analiz | 40% | A (kavramsal niyet), E (iletişim) |
Group 4 Sciences IA: Deneysel tasarımın incelikleri
Biyoloji, Kimya, Fizik ve Computer Science HL/SL öğrencileri için IA, tipik olarak laboratuvar deneyi veya simülasyon çalışması biçiminde gerçekleşir. Başarılı bir Bilim IA'sının ayırt edici özelliği, yalnızca doğru sonuç elde etmek değil, metodolojinin bilimsel ilkelerle tutarlılığını göstermektir. Öğrencinin, Hooke yasası veya Michaelis-Menten kinetiği gibi temel bir teorik modeli seçmesi, bu modeli test edecek bir deney tasarlaması ve bulgularını modelin sınırları içinde tartışması beklenir.
Computer Science IA'larında geleneksel laboratuvar deneyi yerine programlama projesi değerlendirilir. Öğrencinin gerçek bir probleme yönelik çözüm geliştirmesi, algoritma seçimini gerekçelendirmesi ve programın işlevselliğini test etmesi gerekir. 7 puan alan CS IA'ları, yalnızca çalışan bir ürün sunmakla kalmaz; çözümün verimliliğini, ölçeklenebilirliğini ve potansiyel geliştirme alanlarını kapsamlı biçimde ele alır.
Group 3 Sciences IA: Veri analizi ve teorik çerçeve
Ekonomi, Tarih, Coğrafya, Psikoloji ve Sosyoloji IA'ları, nitel veya nicel veri analizi üzerine kuruludur. Ekonomi IA'larında öğrenci, bir ekonomik teorinin veya modelinin belirli bir bağlamda geçerliliğini test eder. Örneğin, Talep ve Arz modelinin bir tarım ürününün piyasa fiyatını açıklayıp açıklamadığı veya Philips eğrisi hipotezinin belirli bir ülke için geçerli olup olmadığı araştırılabilir. Nicel verilerin istatistiksel analizle incelenmesi, teorik beklentilerle karşılaştırılması ve sonuçların sınırlılıklarının tartışılması 7 puanlı çalışmaların ortak özelliğidir.
Tarih IA'larında öğrenci, birincil kaynak analizi yapar. Burada bilimsel IA'ların katılığı olmasa da, kaynak seçiminin çeşitliliği, kullanılan kaynakların güvenilirliğinin sorgulanması ve analiz boyutunun derinliği değerlendirilir. Tek bir gazete kaynağına dayanan bir IA yeterli çeşitlilik sunmaz; farklı bakış açılarını temsil eden, farklı türlerde (yazılı belgeler, görsel kaynaklar, istatistiksel veriler) kaynakların bir arada kullanılması beklenir.