IB化学 IA 完全ガイド｜テーマ選びから考察・評価まで高得点の型
IB化学のIAは、自分で問いを立て・実験し・分析するプロセス全体が評価されます。各フェーズで採点者が見るポイントを押さえることが高得点への近道です。
IB化学 IA 完全ガイド｜テーマ選びから考察・評価まで高得点の型
化学 IA（Internal Assessment）は、実験を通じて自分なりの問いを立て、データを収集・分析し、化学的思考を文章で示す課題だ。採点基準は複数のクライテリアに分かれており、それぞれで求められる要素が異なる。高得点の核心は「明確な問い（Research Question）を軸に、実験設計・データ処理・考察・評価を一貫して組み立てること」にある。
なお、配点の内訳や提出語数など制度的な数値は年度・学校によって変わるため、この記事では触れない。必ず最新の 公式 Subject Guide と担当教員の指示を確認してほしい。IA全体の進め方の概観については IB Internal Assessment (IA) の書き方｜高得点を取る型と進め方 も参照すると理解が深まる。
化学 IA のテーマ、どう選べば失敗しないか？
テーマ選びは IA 全体の成否を左右する。「やりたいこと」と「実験として成立すること」のバランスをどう取るかが鍵だ。
良いテーマの条件を整理する
| 条件 | 説明 |
|---|---|
| 独立変数が操作できる | 自分でコントロールして変化させられること |
| 従属変数が定量的に測定できる | 「多い・少ない」ではなく数値で記録できること |
| 制御変数が現実的に管理できる | 学校の実験室設備で実現可能であること |
| 化学理論との接続がある | 結果を化学的に説明するバックグラウンドが存在すること |
| 先行研究または文献値が存在する | 比較対象として参照できるデータがあること |
「温度が反応速度に与える影響」「pH が酵素反応に与える影響（化学 HL で扱う範囲内）」「金属の種類による電池の起電力の変化」など、独立変数と従属変数の関係が明快な実験は設計しやすい。一方、「環境が反応に与える影響」のように独立変数が曖昧なテーマは、実験デザインの段階で行き詰まりやすい。
「自分の興味」と「実験可能性」を両立させる方法
テーマは教科書の単元から出発するのが現実的だ。速度論、酸塩基、電気化学、有機化学の反応など、理論的背景がしっかりある単元を選ぶと、考察で化学原理と結果をつなぐ作業がしやすくなる。
Research Question（RQ）はどう書けば採点の軸になるか？
RQ は IA 全体の骨格だ。採点者はここに書かれた問いをもとに、実験デザインが論理的に設計されているかを評価する。
RQ の構造を理解する
高評価の RQ は以下の要素をすべて含む。
「〔独立変数〕を変化させると、〔従属変数〕にどのような影響を与えるか？」
具体例で見ると：
"How does the concentration of hydrochloric acid (0.5–2.5 mol dm⁻³) affect the initial rate of reaction with marble chips, as measured by the volume of CO₂ produced per unit time?"
この形式に以下が含まれていることを確認する。
- 独立変数の具体的な内容（何を変えるか）
- 独立変数の範囲または段階（どの程度の幅で変えるか）
- 従属変数の測定方法（何をどう測るか）
- 制御する条件の示唆（他は一定にするという前提が読み取れるか）
RQ は一度決めたら実験後でも見直してよい。ただし実験を終えてから RQ を「合わせる」行為は誠実な探究とは言えないため、可能な限り事前に精度を高めておく。
実験デザインで評価が分かれるポイントはどこか？
実験計画のセクションは、採点者が「この実験を別の人が再現できるか」「変数管理が適切か」「安全性を考慮しているか」を確認する場所だ。
変数の整理と管理方法の記述
変数を表で整理すると採点者に伝わりやすい。
| 変数の種類 | 内容 | 管理または測定方法 |
|---|---|---|
| 独立変数（Independent） | 例：HCl の濃度 | 段階的に希釈して準備する |
| 従属変数（Dependent） | 例：CO₂ 発生量 | ガスシリンジで体積を測定 |
| 制御変数（Controlled） | 例：温度 | 水浴を使って一定に保つ |
| 制御変数（Controlled） | 例：大理石の質量 | 電子天秤で精密に計量 |
| 制御変数（Controlled） | 例：撹拌の有無 | 撹拌しない条件で統一 |
制御変数は列挙するだけでは不十分だ。「なぜその変数を制御する必要があるのか」と「どのように制御するのか」を必ずセットで記述する。この説明が薄い IA は、実験設計の理解が表面的だと判断されやすい。
データの十分性と繰り返し実験
統計的な信頼性を高めるために、同じ条件での繰り返し測定（トライアル）を複数回行うことが求められる。何回繰り返すかの絶対的な基準はないが、平均値を算出して偶然誤差の影響を評価できる程度の回数を計画する。
また、独立変数の段階数も重要だ。2点のデータしかない場合、傾向（線形か非線形か）を議論することが難しい。5〜7段階程度を目安とすることが多いが、これも実験の性質と相談して決める。
安全性の記述
化学 IA では安全性（safety considerations）の記述が求められる。使用する試薬の危険性、適切な保護具（PPE: Personal Protective Equipment）の種類、廃棄方法などを具体的に記す。「注意する」「危険だから気をつける」のような記述では不十分で、何が危険でどう対処するかを化学的に根拠を持って説明することが重要だ。
データ処理で「化学的思考」をどう示すか？
データ処理は、数字を並べるだけの作業ではない。化学の知識を使って、生データを意味のある情報に変換するプロセスだ。
生データと処理済みデータを明確に区別する
生データ（Raw Data）は測定した値そのもの。処理済みデータ（Processed Data）は計算や統計処理を加えた値だ。この2種類を混在させずに整理することが基本となる。
生データテーブルには必ず以下を含める：
- 物理量の名称
- 単位（SI単位または化学で慣用的な単位）
- 不確かさ（器具の精度に基づく値）
不確かさの伝播（Propagation of Uncertainty）
高評価のデータ処理で特徴的なのが、不確かさの伝播計算だ。複数の測定値を組み合わせて計算した値（例：反応速度）には、元の測定値が持つ不確かさが引き継がれる。
加減算の場合は絶対不確かさを足し合わせ、乗除算の場合は相対不確かさ（パーセント不確かさ）を足し合わせる、という原則を示しながら計算を進める。この処理が「単に数字を出した」段階を超えて、「測定値の信頼性を定量的に評価した」という化学的思考を示すことになる。
グラフの活用と傾きの解釈
グラフは視覚的な傾向の提示だけでなく、傾きや切片を化学的に意味のある量と結びつけるために使う。
たとえば体積 vs 時間のグラフの初期傾きは初期反応速度を表す。Arrhenius プロットを用いれば活性化エネルギーを算出できる。Beer-Lambert の法則を用いれば吸光度から濃度を求められる。このように「グラフの傾きが何を意味するか」を説明し、そこから化学量を導出するプロセスが、データ処理の質を大きく高める。
グラフには以下を必ず含める：
- 軸のラベルと単位
- 誤差棒（Error bars）：不確かさを視覚化する
- 最適近似線（Best fit line）またはスムーズカーブ
- グラフのタイトル
考察はどう書けば化学的な深みが出るか？
考察（Conclusion and Evaluation）のフェーズは、「実験結果を化学理論で説明する能力」を示す場所だ。数値を羅列するだけでなく、「なぜその結果になったか」を論じることが重要だ。
結論を RQ に直接答える形で書く
冒頭でまず RQ に答える。「〔独立変数〕が増加すると、〔従属変数〕は〔どのように〕変化した」という形で、実験から得たデータに基づく答えを明示する。
その上で、以下の要素を順番に展開する：
- 傾向の説明：得られたデータのパターンを記述する（増加する、減少する、比例関係にある、など）
- 化学理論との接続：なぜその傾向が生じたかを化学原理で説明する（衝突理論、ル・シャトリエの原理、電気化学ポテンシャル、など）
- 文献値との比較：算出した値（活性化エネルギー、平衡定数など）を文献値と比較し、一致度を数値で示す
- 誤差の分析：一致しない場合の理由を系統誤差と偶然誤差に区別して論じる
系統誤差と偶然誤差を区別する
「熱の損失があったため」「撹拌が不均一だったため」といった表現は使われがちだが、それがどの方向に結果を偏らせたかを具体的に説明することで初めて考察として機能する。単に誤差があったと述べるだけでは評価につながらない。
文献値との比較を適切に行う
文献値と自分の実験値を比較する際は、パーセント誤差（Percentage Error）を算出して示すと定量的な評価ができる。ただしパーセント誤差が大きくても、誤差の原因を化学的に説明できていれば考察の質は高く評価される。逆に誤差が小さくても、なぜ一致したかを説明していなければ考察の深みが出ない。
文献値は信頼性の高いソース（NIST、CRC Handbook、査読済み論文など）から引用し、適切に参照を示す。
評価フェーズで「具体的な改善策」をどう書くか？
IA の評価（Evaluation）セクションは、実験の限界を認識し、科学的に誠実に改善策を提案する能力を示す場所だ。
限界と改善策の対応を明確にする
評価のよくある失敗は「改善策が曖昧」なことだ。
| 避けるべき記述 | 改善された記述 |
|---|---|
| 「より多く繰り返す」 | 「〔特定の条件〕でのトライアル数を増やし、外れ値の影響を統計的に評価する」 |
| 「より正確な器具を使う」 | 「ガスシリンジの代わりに水上置換法を用いることで、気体の溶解による損失を減らす」 |
| 「温度を一定にする」 | 「恒温水浴（サーキュレーター付き）を使用し、温度変動を±0.1℃以内に抑える」 |
改善策は「実験室で現実的に実行可能なもの」に限定する。高価な専門装置が必要なものを提案しても、実現可能性という観点から評価されにくい。
実験の限界を「化学的な理由」で説明する
限界の指摘は、何が問題だったかを化学・物理的な観点で論じることが必要だ。
たとえば「大理石チップの表面積が揃っていなかった」という限界を書く場合、単にそれを述べるだけでなく、「表面積の違いが活性化できる衝突の頻度に影響を与えるため、同じ質量でも反応速度にばらつきが生じた」 という説明があって初めて化学的な考察になる。
最後に「実験をさらに発展させるなら」という視点で、次の問いに発展させる提案をすると、探究者としての姿勢を示すことができる。
IA 全体の構成と採点基準の対応を確認する
各セクションと採点基準（Criteria）の対応を整理しておく。なお、クライテリア名や配点は公式 Subject Guide および学校の担当教員に必ず確認すること。
| IA のセクション | 採点基準が評価する主な点 |
|---|---|
| Research Question / Background | 問いの焦点、文脈の説明、化学的な背景知識 |
| 実験計画（Variables, Methodology） | 変数の識別と管理、安全性、再現可能性 |
| 生データの記録 | 単位・不確かさを含む適切な記録形式 |
| データ処理 | 不確かさの伝播、グラフ、化学量の算出 |
| 結論と考察 | RQ への回答、理論的説明、文献値比較、誤差分析 |
| 評価 | 限界の特定、改善策の具体性・現実性 |
| 全体的なコミュニケーション | 構成・明瞭さ・化学用語の正確な使用 |
IA は各クライテリアが独立して採点されるため、どこか一つが弱くても他で挽回できる設計になっている。逆に言えば、全クライテリアを「まんべんなく」意識することが高得点の戦略だ。
IA 完成までのタイムラインをどう組むか？
IB Diploma の時間管理術｜IA・EE・試験を両立する計画術 でも触れているが、化学 IA は「一気に書く」よりも段階的に進めることが質向上につながる。
目安として以下のようなフェーズを設けることを推奨する：
| フェーズ | 主な作業 |
|---|---|
| Phase 1 | テーマ候補のリストアップ、RQ のドラフト、文献調査 |
| Phase 2 | 予備実験（Pilot Study）の実施、本実験の手順確定 |
| Phase 3 | 本実験の実施、生データの記録 |
| Phase 4 | データ処理、グラフ作成、不確かさ計算 |
| Phase 5 | 考察・評価の執筆 |
| Phase 6 | 全体の推敲、採点基準との照合、提出 |
予備実験（Pilot Study）は省略されがちだが、独立変数の適切な範囲を確認し、本実験の手順上の問題を事前に発見するために非常に有効だ。特に「気体が予想より発生しない」「変化が見えにくい」などの問題は予備実験で発見できることが多い。
化学 HL を履修している場合は、より高度な理論的説明が期待される。IB化学 HL 完全ガイド｜難易度・勉強法・点の取り方 と合わせて、扱う単元の理論的背景を深めておくと IA の考察に厚みが出る。
最後に：IA は「探究のプロセス」を見せる課題
化学 IA は完璧な結果を求める課題ではない。採点者が評価するのは「正しい答えが出たか」ではなく、「科学的な探究プロセスを理解して実行できているか」だ。
文献値と異なる結果が出ても、その理由を化学的に誠実に分析できていれば考察の質は高く評価される。実験に限界があっても、それを認識して具体的な改善策を提案できれば評価フェーズは十分に機能する。
IA 全体を貫く問い（RQ）を軸として、設計・データ・考察・評価を一貫した論理でつなぐこと。これが化学 IA 高得点の本質だ。
IB 化学 IA の具体的な書き方や採点基準の解釈について、個別に相談したい場合は Quick IB（IB 経験者による個別指導）を活用してほしい。実際に IA を経験した指導者の視点から、あなたの IA をブラッシュアップする手助けができる。