IB地理 IA の書き方｜フィールドワーク設計からデータ分析・評価まで完全ガイド
IB地理のIAはフィールドワークの設計力が評価を左右します。データ収集から分析・評価まで、地理IA特有の思考プロセスをステップごとに整理しました。
IB地理 IA の書き方｜フィールドワーク設計からデータ分析・評価まで完全ガイド
そもそも地理 IA とは何を問われているのか
IB地理の Internal Assessment（IA）は、フィールドワークに基づいた独立した地理的調査だ。試験で測れない「地理的探究のプロセス全体」を評価するために設けられている。
求められているのは、単にデータを集めて結果を報告することではない。地理的概念や理論を使って問いを立て、自ら設計した方法で証拠を収集し、批判的に解釈・評価する能力を示すことだ。この点を押さえておくと、各セクションで何を書くべきかが自然に見えてくる。
具体的な評価基準の名称・配点・語数上限・提出形式は年度や学校によって異なるため、必ず最新の公式 subject guide と担当教員に確認すること。本記事では変わりにくい「探究の本質」と「高評価につながる思考の型」を中心に解説する。
リサーチクエスチョンはどう設定すればよいか
地理 IA で最初にして最も重要な決断が、リサーチクエスチョン（Research Question, RQ）の設定だ。RQ の質が、その後のすべてのセクションの評価に波及する。
「地理的概念」と結びつけることが最大のポイント
評価者が真っ先に確認するのは「この問いは本当に地理的か？」という点だ。たとえば次の二つを比べてみよう。
| 弱いRQ | 強いRQ |
|---|---|
| 「この川の水質はきれいか？」 | 「土地利用パターンの空間的変化は、流域の水質にどのように影響しているか？」 |
| 「公園の来訪者は何人いるか？」 | 「都市内の場所的特性の違いは、公園利用者の行動パターンにどの程度影響するか？」 |
| 「海岸線は変化しているか？」 | 「侵食プロセスのスケール的差異は、海岸管理の有効性とどう関連しているか？」 |
強いRQに共通するのは、空間・場所・スケール・プロセスと変化といった地理的概念が問い自体に組み込まれていることだ。これにより「Geographic understanding」に関わる評価基準で得点しやすくなる。
RQ 設定の3ステップ
Step 1：地理的テーマの選定 授業で学んだ単元（都市地理・海岸地形・人口移動・開発・気候変動の影響など）のなかから、実際にフィールドワークできる場所と組み合わせられるテーマを選ぶ。
Step 2：地理的概念を絡める 選んだテーマに「なぜ場所によって異なるのか」「どのスケールで現象が発生しているか」「どのプロセスが空間パターンを生み出しているか」という視点を加える。
Step 3：検証可能な形に絞り込む 「調査可能か」「フィールドワークで一次データが取れるか」「地理理論と結びつけて解釈できるか」の三点を確認し、RQを1文に絞る。
フィールドワーク計画はどう設計するか
RQが確定したら、次はデータ収集計画だ。地理 IA では「何を、どこで、どのように、なぜその方法で集めるか」を明示的に説明することが求められる。
一次データと二次データをどう組み合わせるか
地理 IA では一次データの収集が中心となるが、文脈や比較のために二次データを補助的に使うことで調査の深みが増す。
| データ種別 | 例 | 地理 IA での役割 |
|---|---|---|
| 一次データ（定量） | 環境計測、交通量カウント、ランドユーズマッピング | 空間パターンを示す主要証拠 |
| 一次データ（定性） | インタビュー、アンケート、写真記録、観察ノート | 人々の認識・場所の質的特性を示す |
| 二次データ | 国勢調査、GIS データ、衛星画像、文献統計 | 調査結果の文脈付け・時系列比較 |
収集方法の「適切さ」を説明する
評価者が見るのは「なぜこの方法を選んだか」という根拠だ。たとえばランドユーズマッピングを使うなら「空間的分布を視覚化するため」と書くだけでなく、その方法がRQにどう答えるかのロジックを示す。
また、サンプリング戦略（系統的・ランダム・層化）についても説明が必要だ。「どこで・いつ・何回」測定したかが再現可能なレベルで記述されているほど評価が高まる。
倫理的配慮と安全性
インタビューやアンケートを用いる場合は、インフォームドコンセント・匿名性の確保・データの安全な管理を計画段階で述べる。フィールドワーク場所のリスクアセスメントも簡潔に触れておくと、計画の誠実さが伝わる。
IB IA 全科目に共通する探究の設計については、こちらの記事も参照してほしい。
データ分析セクションで何を書けばよいか
収集したデータをただ並べるのは分析ではない。地理的パターンを読み取り、その意味を地理理論で解釈することが分析の核心だ。
図表と記述の対応を徹底する
地理 IA でよく見られるミスが、「図はある、記述はある、でも両者がつながっていない」という状態だ。図表は説明のためにある。次の構造で記述を組み立てると対応関係が明確になる。
① 図表が示すパターンを記述（"The map reveals that..."）
② そのパターンの地理的な意味を解釈（"This spatial concentration suggests..."）
③ 地理理論・概念と結びつける（"This aligns with Burgess's concentric zone model in that..."）
④ 異常値・例外を指摘し、その理由を推測する統計手法は「なぜ使うか」まで書く
スピアマン順位相関やカイ二乗検定など統計的手法を使う場合、計算結果の数値だけを出すのは不十分だ。「この手法を使った理由」「結果が何を意味するか」「その解釈の地理的含意」まで記述する。
定量と定性データを統合する
数値データだけで結論を出さず、インタビューや写真記録などの定性データと突き合わせる。矛盾があれば正直に指摘し、「なぜ定量と定性が食い違うか」を考察することが高次の分析につながる。
地理と同様にデータ分析が IA の核心となる IB生物 HL の探究設計については、こちらも参考になる。
評価セクションで点を落とさないためにどう書くか
地理 IA において、多くの生徒が最も得点を落としやすいのが評価（Evaluation）セクションだ。結論を書いて終わりにしてしまうケースが典型的な失敗パターンだ。
評価セクションで求められる3要素
① 結論の妥当性（Validity of conclusions） RQに対して自分のデータはどの程度答えられたか。完全に答えられた部分と、答えられなかった部分を明確に分けて論じる。
② 方法論の限界（Limitations） 収集方法・サンプリング・測定精度・時間的制約など、調査上の限界を具体的に指摘する。重要なのは「この限界が結論にどう影響したか」を説明することだ。単に「サンプル数が少なかった」と書くだけでは不十分で、「そのためデータが○○地区の住民の多様な意見を代表していない可能性があり、結論の一般化には慎重さが必要だ」という影響への言及が必要だ。
③ 改善策（Improvements） 方法論の限界に対して、現実的な改善策を提案する。ここでの「現実的」が重要で、「もっとお金があれば大規模調査ができた」のような空論ではなく、「異なる季節に追加調査を実施することで季節変動の影響を除外できる」のように、実行可能な提案が評価される。
評価の深度を上げる問いかけ
地理理論との結びつけを忘れない
評価セクションで忘れられがちなのが「地理理論への参照」だ。自分の調査結果が既存の地理モデル（例：中心地理論・人口転換モデル・海岸システムモデル等）と一致する点・しない点を論じることで、「Geographic understanding」の評価基準に応えやすくなる。
論文全体の構成と仕上げにおける注意点は何か
フィールドワーク・分析・評価の内容が良くても、論文としての構成や表現が粗ければ評価は下がる。最終的な仕上げで確認すべき点を整理する。
全体の構造を一貫させる
地理 IA の論文は、以下の流れで一貫している必要がある。
研究の文脈と背景（地理的文脈・理論）
↓
リサーチクエスチョン
↓
データ収集方法の説明と根拠
↓
データの提示と分析
↓
結論・評価・改善策各セクションが「RQに答えるためにある」という論理的つながりを常に意識する。分析で出てきた図が評価セクションで全く触れられていない、あるいは評価が分析と矛盾している、というミスがよく見られる。
図・写真・地図の品質と説明
地理 IA では視覚資料が重要な役割を持つ。次の点を確認しよう。
| チェック項目 | 理由 |
|---|---|
| すべての図に番号・タイトルがあるか | 本文からの参照を明確にするため |
| 地図にスケールバーと方位が示されているか | 地理的正確性の基本 |
| 写真に日時・場所・向きの注記があるか | 証拠としての信頼性を高めるため |
| 二次データの出典が記されているか | 学術的誠実性（Academic integrity）の要件 |
Academic Integrity（学術的誠実性）への配慮
IBO は Academic Integrity について年々厳格化している。二次データの引用、インタビューの参照、図表の転用にはすべて適切な出典を明示する。また、AI ツールの使用に関する学校のポリシーも事前に担当教員に確認すること。
EE（Extended Essay）でも同様に学術的な論文構成が求められる。EE との違いや書き方の原則については、こちらが参考になる。
フィールドワークトピックの選び方——どんなテーマが機能しやすいか
RQ の設定とも重なるが、フィールドワークトピックそのものの選択について補足する。
機能しやすいトピックの特徴
地理 IA として機能しやすいテーマには、いくつかの共通点がある。
- 空間的比較が可能：2か所以上を比較することで、場所・スケールの地理的概念を活かしやすい
- 変化の軸がある：時間的変化、空間的勾配、土地利用の遷移など「変化」を扱えると分析が深まる
- 一次データが現実的に取れる：交通量、植生被覆、海岸堆積物の粒径、店舗密度など、自分でカウント・測定できるデータがある
- 地理理論と接続できる：都市土地利用・海岸地形・人口変動・生態系サービスなど、授業の単元と結びつく
よくあるテーマ例（参考）
| テーマ分野 | 調査例 |
|---|---|
| 海岸地形 | 異なる露出度・底質条件における砂浜の侵食・堆積パターン |
| 都市地理 | CBD（中心業務地区）からの距離と土地利用・歩行者密度の変化 |
| 環境・水文 | 上流・中流・下流の河川環境指標の空間変化 |
| 人口・移住 | 移住者の場所的帰属意識と都市内居住地の空間的集中 |
| 観光地理 | 観光開発が地域コミュニティの場所的アイデンティティに与える影響 |
どのテーマも「地理的概念と結びつくか」「フィールドワークが可能か」という二点が選定基準の核心だ。担当教員のアドバイスと subject guide の要件を照合しながら決めること。
締めとして——地理 IA を通じて磨かれる力
地理 IA は、試験勉強では得られない探究の経験を与えてくれる。地域の具体的な問題を地理的概念で読み解き、自分でデータを集め、批判的に評価する一連のプロセスは、大学での研究や社会でのフィールドワーク的な問題解決に直結する。
点数のためだけでなく、「地理的に見る・考える・伝える」力を伸ばす機会として取り組むと、自然と評価も伴ってくるはずだ。
IB全体の時間管理と IA・EE の並行進行については、こちらも参考にしてほしい。
RQ の設定・方法論の設計・評価の書き方で詰まったときは、Quick IB の IB 経験者に相談するのも一つの選択肢だ。自分の調査テーマや収集データに合わせた具体的なフィードバックが得られる。