IB Biyoloji Internal Assessment Yazım Rehberi ve 20 IA Araştırma Sorusu Önerisi

IB Biology dersinde Internal Assessment (IA) aslında senin kendi küçük bilimsel araştırma raporun, yani mini bir research paper gibi düşünülür ve hem SL hem de HL öğrencileri için aynıdır. Toplam IB Biology notunun yaklaşık yüzde 20’lik kısmını oluşturduğu için, Grade Boundary çizgisinin hemen üstüne çıkmak ya da güvenli bir aralıkta kalmak çoğu zaman IA performansınla doğrudan bağlantılı olur. Extended Essay kadar uzun ve ağır olmasa da, benzer mantıkla ilerler; net bir research question seçersin, deney tasarlarsın, veri toplar ve analiz eder, sonra da bulgularını bilimsel ve tutarlı bir rapora dönüştürürsün.

Bu yazı, sıfırdan kendi araştırma sorunu bulmana, sağlam bir plan kurmana ve raporunu IB kriterlerine uygun, net ve okunabilir bir biçimde yazmana yardım eden pratik bir rehber olarak tasarlandı. Adım adım, konu seçimi ve research question yazımından veri analizi ve değerlendirme kısmına kadar neye dikkat etmen gerektiğini göreceksin, yazının sonunda da seni gerçekten öne çıkarabilecek 20 özgün IA araştırma sorusu fikri bulacaksın. Bu rehberi okurken kendi ilgi alanlarını düşünmen ve not alman, süreci hem daha eğlenceli hem de daha yönetilebilir hale getirecek.

IB Biology Internal Assessment Temelleri: Kısaca Bilmen Gerekenler

Photo by MART PRODUCTION

IB Biology Internal Assessment, kâğıt üzerinde “bir rapor” gibi görünse de, aslında senin bilimsel düşünme biçimini ve biyolojiyi ne kadar anladığını ortaya koyan kişisel bir proje olur. Bu yüzden IA’yı sadece not getiren bir zorunluluk olarak değil, “Ben biyolojiyi gerçekten anlıyorum ve uygulayabiliyorum.” diyebileceğin bir vitrin gibi görmen önemli olur.

Aşağıdaki başlıklarda, hem IA’nin gerçek amaçlarını hem de sabit kalan değerlendirme çerçevesini net ve kısa şekilde görebilirsin.

IB Biology IA’nin Amaçları ve Öğretmenlerin Gerçekte Ne Aradığı

IB, Internal Assessment ile senden mucizevi sonuçlar beklemez, ama tutarlı bir bilimsel düşünce görmek ister. IA’nin temel amaçlarını şöyle düşünebilirsin:

• Bilimsel düşünme: Hipotez kurabilen, mantıklı tahminler yapan ve sonuçlarını kanıtla ilişkilendiren bir öğrenci profili göstermen beklenir. “Bu sonucu aldım, demek ki böyle.” demek yerine, “Bu sonucu bu nedenle açıklayabilirim.” demen beklenir.
• Araştırma planlama: Research question’ını, gerçekçi ve ölçülebilir bir deney planına dönüştürmen gerekir. Hangi değişkenleri kontrol edeceksin, nasıl ölçüm yapacaksın, kaç tekrar alacaksın, bunların hepsi senin planlama becerini yansıtır.
• Veri toplama ve analiz: Sadece tablo doldurmak yetmez; verilerinin güvenilirliğini, sample size’ını, hata kaynaklarını düşünmen ve uygun istatistiksel analizleri kullanman beklenir. Basit bile olsa bilinçli seçilmiş bir test, “Google’dan tablo kopyalamak”tan çok daha değerli olur.
• Evaluation yapma: Bilim, hatayı kabul etmek üzerine kurulu olur. Deney tasarımının zayıf yönlerini dürüstçe fark etmen ve bunları nasıl geliştirebileceğini önermen, güçlü bir Evaluation kısmının temelidir.
• Bilimsel iletişim: Tüm süreci, net, mantıklı, iyi yapılandırılmış bir rapor haline getirme yeteneğin ölçülür. Grafiklerin uygun mu, başlıkların anlamlı mı, figür açıklamaların yeterince açık mı, bunların hepsi Communication ile ilgilidir.

Öğretmenin ya da external examiner, aslında şunu görmek ister: “Bu öğrenci, internetten hazır bir fikir kopyalamadı, biology concept’i gerçekten anladı ve kendi cümleleriyle, kendi deney tasarımıyla kullandı.”

Bu yüzden IA’da en çok değer verilen şey, tek bir “mükemmel sonuç” değil, tüm araştırma sürecinin mantıklı ve gerekçeli olmasıdır. Research question’ını neden böyle seçtiğini, yöntemde neden bu ölçümü tercih ettiğini, hangi uncertainty kaynaklarını düşündüğünü ne kadar iyi açıklarsan, raporun o kadar “özgün ve bilinçli” görünür.

IB Biology IA Kriterleri: Soruya Göre Değişmeyen Değerlendirme Çerçevesi

Araştırma sorunun bitki, insan fizyolojisi ya da mikrobiyoloji ile ilgili olması fark etmez; IB, IA raporunu her zaman aynı çerçeve içinde değerlendirir. Bu çerçeveyi sadeleştirilmiş haliyle şöyle düşünebilirsin:

• Planning / Research question & Background: Burada research question’ın ne kadar açık, odaklı ve ölçülebilir olduğu, ayrıca seçtiğin konunun arkasındaki biyoloji bilgisini (background information) ne kadar iyi açıkladığın ölçülür. Kullandığın kaynakların biyoloji tarafını gerçekten yorumlayıp yorumlamadığın önemlidir.
• Exploration (Method ve Variables): Bu kısım, yöntemin kalbidir. Değişkenlerini doğru tanımlayıp tanımlamadığına, kontrollere yer verip vermediğine, güvenli ve uygulanabilir bir prosedür yazıp yazmadığına bakılır; başka bir öğrenci senin raporunu okuyup deneyi tekrarlayabilmeli.
• Analysis: Topladığın verileri ne kadar sistemli işlediğin, uygun grafikler ve hesaplamalar kullanıp kullanmadığın, uncertainty ve trend yorumlarını ne kadar anlamlı yaptığın değerlendirilir. Sadece “grafik çizmek” değil, grafikten biyolojik anlam çıkarmak bu kriterin merkezinde yer alır.
• Evaluation: Deney tasarımının güçlü ve zayıf yönlerini tanımlaman, error sources ve limitation’ları mantıklı şekilde açıklaman ve gerçekçi, uygulanabilir improvement önerileri sunman beklenir. “Daha çok tekrar yapılabilirdi.” yazmak tek başına yeterli olmaz.
• Communication: Raporunun bütünlüğü, mantıksal akışı, dil kullanımı, birim yazımı, tablo ve şekil formatı gibi teknik ayrıntılar burada toplanır. Başlıkların, alt başlıkların ve referansların tutarlı olması sana doğrudan puan kazandırır.

IA notun, bu kriterlerde aldığın puanların toplamı ile ortaya çıkar ve daha sonra toplam puan, IB’nin belirlediği Grade Boundary aralıklarına göre 1–7 skalasına uyarlanır. Bu yüzden her kriteri “ufak detaylar” olarak görmek yerine, notunu yukarı çeken ayrı birer kaldıraç gibi düşünmen, çalışma stratejini çok daha bilinçli hale getirir.

Adım Adım IB Biology Internal Assessment Yazım Rehberi

IB Biology Internal Assessment yazarken en çok zorlanılan nokta, “Nereden başlamalıyım ve hangi sırada neyi yazmalıyım?” sorusu olur. Aşağıdaki adımlar, raporunun ilk sayfasından son referansa kadar mantıklı ve IB kriterlerine uyumlu bir akış kurmana yardım edecek. Her alt başlıkta, doğrudan puan getiren ayrıntılara odaklanacağız.

Title Page ve Özet Bilgiler: İlk Sayfada Ne Olmalı?

Photo by Zen Chung

Title Page, raporunun kimlik kartı gibi çalışır ve dışarıdan bakan biri daha girişte düzenli ve profesyonel bir çalışma görüp görmeyeceğini burada anlar. Bu sayfada uzun açıklamalara değil, temiz ve eksiksiz bilgilere ihtiyaç vardır.

Title Page’de mutlaka yer alması gereken başlıklar:

• Research title
• Öğrencinin tam adı
• IB candidate number
• Subject (örneğin: IB Biology HL ya da IB Biology SL)
• Submission year (örneğin: May 2026)
• School name
• Gerekirse supervisor / teacher name

Başlık kısmında yapılan en yaygın hata, çok genel, ölçülemez ve değişken içermeyen ifadeler kullanmak olur. Örneğin:

• Kötü örnek:
  “Photosynthesis Investigation”
  Bu ifade ne ölçüldüğünü, hangi organizmanın kullanıldığını, hangi değişkenlerin değiştiğini hiç göstermiyor.
• Daha iyi bir örnek:
  “The effect of light intensity on the photosynthesis rate of Elodea canadensis measured by oxygen bubble production”

Bu ikinci örnekte, independent variable (light intensity), dependent variable (photosynthesis rate, burada oxygen bubble production ile ölçülüyor) ve organism (Elodea canadensis) başlıkta açık şekilde görülür. Başlığını, research question’ın “özet formülü” gibi düşünmek çoğu zaman iyi bir rehber olur.

IB Biology IA formatında resmi bir “Abstract” zorunluluğu yoktur ve IB, abstract yazılmasını özellikle istemez. Yine de bazı okullar ya da öğretmenler, Title Page’den sonra 2–3 cümlelik çok kısa bir summary talep edebilir. Böyle bir durumda:

• Soru nedir?
• Nasıl ölçtün?
• Genel sonuç ne yönde çıktı?

gibi üç basit noktayı kapsayan, maksimum 80–100 kelimelik küçük bir paragraf yeterli olur.

Introduction ve Research Question: Güçlü Bir Başlangıç Yapmak

Introduction bölümü, okuyucuya “Bu konunun arkasındaki biyoloji ne, gerçek hayatta neden önemli ve sen bu problemin tam olarak hangi kısmını inceliyorsun?” sorularının cevabını verir. Yani sadece tanım listesi değil, research question’a giden mantıklı bir hikâye kurman beklenir.

Sağlam bir Introduction için şu yapı işini kolaylaştırır:

1. Temel biology concepts
   Konunla doğrudan ilişkili 2–3 kavramı seç ve basit ama doğru tanımlarla anlat. Örneğin enzyme activity, photosynthesis rate, osmosis, diffusion, transpiration gibi kavramlar. Burada amaç, öğretmeni etkilemek için değil, kendi deneyini anlayabilmek için en temel zemini kurmaktır.
2. Gerçek hayattaki önemi
   Araştırdığın konu sağlık, çevre, tarım ya da gıda güvenliği gibi alanlarla nasıl bağlantılı, bunu 1–2 kısa paragrafla açıkla. Örneğin photosynthesis çalışıyorsan, tarımsal verim ve global food security konularından bahsedebilirsin. Bitki fizyolojisi ile ilgili güncel araştırmalar görmek istersen, fotosentez enzimlerinden Rubisco’nun verimle ilişkisini anlatan University of Illinois incelemesi sana iyi bir bağlam fikri verebilir.
3. Küçük bağlam ve problem
   Araştırmanı, gerçekçi ve ölçülebilir bir probleme indir. Mesela “Lise laboratuvarında ulaşılabilir LED lambalar ile farklı ışık şiddetlerinin bitki fotosentezi üzerindeki etkisini ölçmek”.

Bu akıştan sonra Introduction, doğal şekilde Research Question’a bağlanmalıdır. Research Question için altın kural, tek cümle, soru formu, spesifik ve ölçülebilir olmasıdır.

İyi Research Question örnekleri:

• “How does light intensity (measured in lux) affect the photosynthesis rate of Elodea canadensis, measured as the volume of oxygen produced per minute?”
• “How does sucrose concentration of the surrounding solution affect the change in mass of Solanum tuberosum potato cores due to osmosis over 30 minutes?”

Zayıf Research Question örnekleri:

• “How do plants grow?” (çok geniş, ölçülemez, net değişken yok)
• “Is sugar good for plants?” (bilimsel değil, belirsiz, net bir dependent variable yok)

Introduction, research question’ı havada bırakmamalıdır. Önce biyolojik temeli, sonra gerçek hayat bağlantısını, ardından da ölçmeyi planladığın spesifik ilişkiyi anlattığında, Research Question son cümlede “kendiliğinden” geliyormuş gibi hissettirir. Bu da hem Communication hem de Exploration kriterinde sana avantaj sağlar.

Background Research ve Hypothesis: Bilimsel Temeli Kurmak

Background Research kısmı, textbook sayfalarını kopyaladığın yer değil, araştırma sorunu açıklayan hedefli bir teori özeti olmalıdır. Yani bütün enzyme theory’yi yazmak yerine, sadece senin deneyinde önemli olan parçaları anlatman gerekir.

Etkili bir Background Research için:

• Konunla direkt ilgili mekanizmaları seç: Örneğin enzyme activity çalışıyorsan, “active site, substrate, enzyme-substrate complex, denaturation, optimum temperature, optimum pH” gibi kavramlara odaklan.
• Eğer photosynthesis rate ile çalışıyorsan, “light-dependent reactions, chlorophyll, light intensity, carbon fixation” gibi kavramları kısa ve net anlat. Üniversite düzeyi laboratuvar kılavuzları, kavramların deney bağlamındaki kullanımını görmek için faydalı olur; örneğin Idaho State University’nin biology lab manual’ı bu açıdan ilham verebilir.
• Osmosis ya da diffusion çalışıyorsan, su potansiyeli, concentration gradient, semi-permeable membrane gibi terimleri kullan ama her birini kendi cümlenle açıkla.

Buradaki amaç, “Bu hipotezi neden kurdun?” sorusuna cevap verecek kadar sağlam bir biyolojik gerekçe sunmaktır. Gereksiz uzun literatür özeti, IA için zaman kaybı olur.

Hypothesis kısmında ise karmaşık dil kullanmana gerek yok. Basit bir şablon işini fazlasıyla görür:

If [independent variable] increases/decreases, then [dependent variable] will change in [yön] because [biyolojik gerekçe].

Örneğin:

• “If the temperature of the reaction mixture increases from 20 °C to 40 °C, then the enzyme activity of catalase (measured as the rate of oxygen production) will increase, because higher temperature increases the kinetic energy of substrate and enzyme molecules up to the enzyme’s optimum temperature.”

Bu cümlede hem beklenen yön (increase) hem de kısa bir because gerekçesi vardır. Bu gerekçe, Background Research’te anlattığın teoriyle uyumlu olmalıdır.

Kısaca null hypothesis kavramına da değinmek faydalı olur. Null hypothesis, “independent variable’ın dependent variable üzerinde anlamlı bir etkisi yoktur” diyen istatistiksel varsayımdır. Örneğin:

• “There is no significant difference in photosynthesis rate between Elodea samples exposed to different light intensities.”

Null hypothesis, özellikle t-test ya da chi-square gibi istatistiksel testler kullandığında önem kazanır. Eğer IA’nda bu tarz bir istatistik kullanmıyorsan, null hypothesis’i uzun uzun tartışmak zorunda değilsin, sadece kısaca bahsetmen yeterli olur.

Variables, Materials ve Method: Exploration Kısmında Tam Puan Stratejisi

Exploration kriterinin kalbi, variables, materials ve method kısmında attığı için, bu bölümü ne kadar sistemli yazarsan o kadar güvenilir bir araştırma göstermiş olursun.

Önce temel tanımları netleştirelim:

• Independent variable: Deneyde kasıtlı olarak değiştirdiğin değişken.
  Örnek: Light intensity (lux), temperature (°C), sucrose concentration (%).
• Dependent variable: Değişimini ölçtüğün, sonuç olarak takip ettiğin değişken.
  Örnek: Photosynthesis rate (oxygen volume per minute), change in mass (%), enzyme activity (rate of product formation).
• Controlled variables: Sabit tutmaya çalıştığın, dependent variable’ı etkileyebilecek diğer tüm faktörler.
  Örnek: pH of solution, volume of solution, size of plant leaves, duration of exposure, type of enzyme.

İyi yazılmış bir IA’de, en az 5 tane controlled variable tanımlaman ve her biri için nasıl kontrol edildiğini açıklaman beklenir. Örneğin:

• “pH of the buffer solution was kept constant at 7.0 by using the same phosphate buffer for all trials.”
• “Volume of hydrogen peroxide solution was kept constant at 5.0 mL by using a 5.0 mL pipette for each trial.”

Materials listesinde ise “1 beaker, 1 thermometer” yazıp geçmek yerine, kullanılan ekipmanın marka ve model bilgilerini vermek, deneyinin tekrarlanabilirliğini gösterir ve seni daha profesyonel gösterir:

• “Digital balance (±0.01 g, XYZ Model 200)”
• “LED light source (ABC brand, model 123, maximum intensity 2000 lux)”

Method kısmı, başka bir IB öğrencisinin senin IA’na bakıp aynı deneyi kurabilmesini sağlayacak kadar açık olmalıdır. Bunun için:

• Past tense ve third person yaz: “The solution was heated”, “The discs were placed”, “The light intensity was measured”.
• Numaralı adımlar kullan: 1, 2, 3 şeklinde ilerleyen, her adımda tek bir eylem olan net cümleler yaz.
• Ölçüm ayrıntılarını unutma: “10 mL” yerine “10.0 mL ± 0.1 mL” gibi.

Veri kalitesi için genel bir kural, en az 5 farklı independent variable level ve her level için en az 15 tekrar (repeat) almaktır. Örneğin, 5 farklı light intensity değeri (200, 400, 600, 800, 1000 lux) ve her biri için 15 farklı ölçüm almak, sana:

• Daha güvenilir mean değerleri
• Daha anlamlı standard deviation hesapları
• Outlier’ları fark etmek için daha sağlam bir veri seti

sağlar. Bu da Analysis ve Evaluation kısmında bilimsel olarak konuşabilecek bir zemin sunar.

Data Collection, Processing ve Analysis: Tablolar, Grafikleri ve İstatistiği Doğru Kurmak

Data kısmında hem raw data hem de processed data’yı düzenli vermen gerekir. Kafa karışıklığı genelde “Bu tabloya neyi koymalıyım?” sorusunda başlar.

Raw data tablosu için ipuçları:

• Tüm units başlıklarda yer almalı: “Temperature / °C”, “Mass / g”, “Time / s” gibi.
• Eğer ölçüm cihazının uncertainty değeri belliyse (örneğin ±0.01 g, ±0.5 °C), bunu tablo açıklamasında belirt.
• Raw data’da genelde tüm repeats ayrı ayrı satırlarda görünür.

Örnek basit yapı:

Processed data tablosu ise mean, standard deviation, % change gibi hesaplanmış değerleri içerir. Burada:

• Significant figures konusunda tutarlı ol: Ölçüm cihazının hassasiyetine uygun sayıda basamak kullan.
• Eğer error bars için standard deviation kullanacaksan, bunu tablo başlığında belirt.

Örnek:

Basit istatistikler IA için çoğu zaman yeterlidir:

• Mean
• Standard deviation
• Error bars (graph üzerinde)
• % change ya da % difference

Daha ileri seviye istatistik kullanmak istersen, t-test ya da chi-square gibi yöntemlere bakabilirsin. Bunların teorik anlatımını görmek için üniversite seviye biology ders notları ya da laboratuvar rehberlerinden faydalanmak mantıklı olur; örneğin Colorado State University’nin enzyme activity dökümanı istatistik diline alışman açısından ufuk açabilir, ancak IA içinde tam formülleri yazmak zorunda değilsin.

Grafik seçiminde şu basit kurallara uyabilirsin:

• Line graph: Independent variable’ın sayısal ve düzenli aralıklı olduğu zaman (sıcaklık, süre, konsantrasyon gibi) mean değerlerin trendini göstermek için idealdir.
• Scatter plot: İki sayısal değişkenin ilişkisini görmek istediğinde (özellikle correlation bakarken) işe yarar.
• Bar chart: Ayrık kategorilerle çalıştığında (farklı bitki türleri, farklı pH çözeltileri gibi) tercih edilir.

Analysis kısmında sadece “Grafik artıyor.” demek, puan getirmez. Aşağıdaki noktaları mutlaka ele al:

• Trend tanımlama: “As light intensity increased from 200 lux to 800 lux, the mean photosynthesis rate increased, then plateaued.” gibi spesifik ve sayısal dil kullan.
• Pattern ve relationship: “There appears to be a positive correlation between sucrose concentration and percentage mass change up to 0.4 M.”
• Anomaly ve outlier: “At 600 lux, one data point lies far below the error bars, suggesting a possible measurement error or uncontrolled variable.”
• Research question ve hypothesis bağlantısı: Son paragrafta mutlaka, bulduğun trendi research question ve hypothesis ile ilişkilendir. Örneğin “The results support the hypothesis that increasing light intensity increases photosynthesis rate up to a certain point, which aligns with the theory of light saturation in photosynthesis.”

Bu şekilde yazılmış bir Analysis, sadece sayı yorumlayan bir metin değil, biyolojik anlam üreten bir tartışma hâline gelir.

Conclusion, Evaluation ve References: IA’i Profesyonelce Kapatmak

Son bölüm, tüm raporu toparladığın ve kendi araştırmana eleştirel gözle baktığın yerdir. İyi yazılmış bir Conclusion ve Evaluation, ortalama bir IA’i bir üst seviye bandına taşıyabilir.

Conclusion bölümünde:

• Verilerin hypothesis’i destekleyip desteklemediğini açıkça söyle:
  “The results support the hypothesis that …” ya da “The results do not fully support the hypothesis because …”
• Sonucu, biyolojik teori ile ilişkilendir: Enzyme activity çalışıyorsan “collision theory, denaturation, optimum temperature”; osmosis çalışıyorsan “water potential, concentration gradient” kavramlarına geri dön.
• Gereksiz tekrar yapmadan, 2–3 iyi yapılandırılmış paragraf kullan.

Evaluation kısmında ise tipik hataları sadece listelemek değil, gerçekten kendi deneyine uyarlamak önemlidir. Düşünebileceğin başlıca noktalar:

• Sample size: Kaç tekrar yaptın, bu sayı güvenilirlik için yeterli mi?
• Measurement error: Balance, thermometer, measuring cylinder gibi cihazların uncertainty’leri sonuçlarını ne kadar etkiliyor?
• Human error: Süreyi geç başlatma, pipeti tam doldurmama gibi hatalar ne tür sapmalara yol açmış olabilir?
• Equipment limitation: Işık şiddeti tam ayarlanabiliyor mu, sıcaklık sabit kalabiliyor mu, sensör yeterince hassas mı?
• Control quality: Controlled variables gerçekten sabit kalmış mı, yoksa ortam sıcaklığı ya da ışık gibi faktörler değişmiş olabilir mi?

Buradan sonra concrete improvement önerileri, soyut cümlelerden çok daha fazla puan kazandırır. Örneğin:

• “More repeats yapılabilirdi.” yerine:
  “Each light intensity was tested only 5 times. Increasing the number of repeats to at least 15 would reduce the impact of random errors and provide a more reliable mean and standard deviation.”
• “Daha hassas cihaz kullanılabilirdi.” yerine:
  “Using a digital light sensor with 1 lux precision instead of an analogue light meter would improve the accuracy of the independent variable measurement.”

Bu tarz somut, uygulanabilir ve doğrudan senin deneyine bağlı öneriler, Evaluation kriterinde güçlü görünmeni sağlar.

References bölümünde ise, kullandığın tüm kaynakları tutarlı bir stil ile yazman beklenir. MLA style, IB öğrencileri için oldukça yaygın bir seçenektir. Burada:

• Sadece güvenilir kaynaklar kullanmaya özen göster: Özellikle .edu uzantılı siteler, akademik kitaplar ve hakemli makaleler. Örneğin, genel biyoloji konseptlerini çalışırken Massachusetts Institute of Technology’nin Biology bölümü sayfası gibi üniversite siteleri, background research için gayet uygun bir referans türü olur.
• Tek tek citation formatı ezberlemek yerine, okuldaki librarian ya da IB coordinator’ın sağladığı MLA kılavuzunu takip etmek işini kolaylaştırır.

Son sayfayı düzenli, tutarlı referanslarla kapatmak, sadece Communication kriterine değil, aynı zamanda çalışmanın “akademik dürüstlük” profilini de yukarı taşır. Böylece IA raporun, baştan sona kadar kendi cümlelerinle yazılmış, güvenilir kaynaklarla desteklenmiş ve IB Biology beklentileriyle uyumlu bir bilimsel çalışma olarak ortaya çıkar.

Başarılı IB Biology IA Araştırma Sorusu Nasıl Seçilir?

IA notunun yarısını Research Question belirler gibi düşünebilirsin, çünkü yaptığın her şey sonunda o soruyu cevaplamaya çalışır. Bu yüzden “güzel görünen” değil, ölçülebilir, uygulanabilir ve analiz edilebilir bir soru bulmak ana hedefin olmalı. Aşağıdaki alt başlıklarda hem iyi bir IB Biology IA Research Question’ın özelliklerini, hem de öğrencilerin sıklıkla düştüğü tuzakları adım adım göreceksin.

İyi Bir IB Biology IA Research Question’ın 6 Özelliği

İyi bir araştırma sorusu, hem IB kriterleriyle uyumlu olur, hem de seni deney sürecinde boğmaz. Aşağıdaki 6 maddeyi kendi taslağına bakarken bir “checklist” gibi kullanabilirsin.

1. Net independent ve dependent variable içerir

Research Question içinde neyi değiştirdiğin (independent variable) ve neyi ölçtüğün (dependent variable) açıkça görülmeli.

• İyi örnek:
  “How does sodium chloride concentration (% w/v) affect the percentage change in mass of Solanum tuberosum potato cores after 30 minutes?”
  Burada independent variable, “sodium chloride concentration”, dependent variable ise “percentage change in mass”.
• Kötü örnek:
  “How does salt affect potatoes?”
  Hangi tür tuz, hangi konsantrasyon, neyi ve ne kadar süre ölçüyorsun, hiçbir şey belli değil.

2. Spesifiktir, belirsiz kelimeler kullanmaz

“Etki”, “iyi mi kötü mü”, “sağlıklı mı” gibi muğlak ifadeler IA için yetersiz kalır. Research Question, bir ölçüm cümlesi gibi okunmalı.

• İyi örnek:
  “How does caffeine concentration (mg/mL) affect the heart rate (beats per minute) of Daphnia magna after 5 minutes of exposure?”
• Zayıf örnek:
  “Is caffeine bad for organisms?”
  “Bad” nedir, hangi organizma, nasıl ölçüyorsun, tamamen belirsiz.

Spesifiklik, hem Planning hem de Analysis kısmında ne yapacağını netleştirir ve seni yazım sürecinde ciddi zaman kaybından kurtarır. 3. Okul laboratuvarında ulaşılabilir malzemelerle yapılabilir

Teoride çok etkileyici görünen ama okul laboratuvarında kuramayacağın sorular, IA için risklidir. Elindeki ekipmanı, kimyasalları ve zamanını düşünerek soru yazman gerekir. Bu konuda fikir toplamak için okul kütüphanenin yönlendirdiği rehberlere, ya da IB odaklı kütüphane sayfalarına bakmak faydalı olabilir; örneğin West Sound Academy’nin IB Biology Scientific Investigation rehberi elindeki imkânlara uygun basit ama etkili fikirler sunar.

• Uygulanabilir örnek:
  “How does pH of the solution affect the activity of catalase extracted from potato tissue, measured as the rate of oxygen production?”
  Çoğu okulda pH çözeltileri, pipet, gaz toplama aparatı bulunur.
• Uygulanamaz örnek:
  “How does microplastic concentration in the ocean affect gene expression in marine fish?”
  Burada hem “ocean sample” hem de “gene expression” ölçümü için üniversite düzeyinde ekipman gerekir.

4. Güvenli ve etik kurallara uygundur

IB, özellikle insan ve omurgalı hayvan çalışmalarında güvenlik ve etik sınırlara çok dikkat eder. Kalp atış hızını ölçmek gibi düşük riskli insan deneyleri genelde kabul edilir, ancak kan alma, ilaç verme, yoğun egzersize zorlama gibi tasarımlar hem okula hem sana sorun çıkarabilir.

• Güvenli insan örneği:
  “How does the duration of quiet rest (5, 10, 15 minutes) affect heart rate (beats per minute) of 16–18-year-old students?”
  Burada katılımcılar için ek risk yok, sadece nabız ölçüyorsun.
• Sakıncalı örnek:
  “How does energy drink consumption affect blood pressure of 16–18-year-old students over 3 hours?”
  Kafein yüklemesi, tansiyon takibi ve uzun süreli izlem, etik ve güvenlik açısından sorunlu olabilir.

Aynı şekilde omurgalı hayvanlarla invaziv işlem yapmak, aç bırakmak ya da acı çektirmek yasaktır. IA’nda etik açıdan temiz görünmek, öğretmenin ve IB examiner açısından büyük avantajdır. 5. En az 5 level ve her level için çoklu ölçümle veri üretmeye izin verir

Research Question, doğal olarak 5 ya da daha fazla bağımsız değişken seviyesi kullanmana ve her seviye için çoklu tekrar yapmana imkân vermeli. Böylece hem daha düzgün grafikleri hem de anlamlı istatistiksel analizleri mümkün kılarsın.

• Güçlü soru örneği:
  “How does sucrose concentration (0.0, 0.1, 0.2, 0.3, 0.4, 0.5 M) affect the percentage change in mass of potato cores after 40 minutes?”
  Burada 6 level var ve her level için 5–10 tekrar rahatlıkla planlanabilir.
• Zayıf soru örneği:
  “How does temperature (room temperature vs 60 °C) affect enzyme activity?”
  Sadece 2 level, istatistiksel karşılaştırma ve trend yorumunu oldukça sınırlı bırakır.

Research Question’ını yazarken, aklından “Bu soruya kaç level ile cevap verebilirim, her level için en az 5–10 measurement alabilir miyim?” sorusunu geçirmelisin. 6. Analiz ve evaluation için yeterli karmaşıklık taşır, ama aşırı zor değildir

Konun çok basit olursa, Analysis ve Evaluation kısmında söyleyecek fazla sözün olmaz. Çok karmaşık olursa da veriyi işleyemez, teoriye bağlayamazsın. Orta seviye bir karmaşıklık, IA için idealdir.

• İyi denge örneği:
  “How does light intensity (lux) affect the rate of photosynthesis in Elodea canadensis, measured as change in pH of the surrounding solution over 10 minutes?”
  Burada hem kimyasal bir ölçüm (pH değişimi), hem de biyolojik bir süreç (photosynthesis) var, trend çıkarmaya elverişli.
• Aşırı basit örnek:
  “How does temperature affect plant growth?”
  Sadece boy ölçmek ve “sıcaklık artınca büyüme arttı” demek, çok sınırlı bir analiz alanı bırakır.
• Aşırı karmaşık örnek:
  “How does nitrogen fertilizer concentration affect the expression of photosynthesis-related genes in maize leaves?”
  Gene expression ölçümü, qPCR gibi ileri teknikler gerektirir ve çoğu okul laboratuvarının çok ötesindedir.

İyi bir IA Research Question, seni 6–12 sayfalık raporda hem sayısal hem de biyolojik yorum yapmaya davet eder, ama seni literatür taramasına boğmaz.

Kaçınılması Gereken Yaygın Research Question Hataları

Birçok öğrenci aslında konu bulabiliyor, ancak soruyu yanlış formda yazdığı için IA potansiyelini düşürüyor. Aşağıda en sık görülen hataları ve bunların daha iyi alternatiflere nasıl dönüştürülebileceğini bulacaksın.

1. Çok genel sorular

• Hatalı: “How do plants grow?”
  Bu, bir IA konusu değil, bir ders kitabının tamamı gibi. Ne kadar sürede, hangi koşullarda, hangi tür bitki, hiçbir şey belli değil.
• Daha iyi: “How does nitrate concentration (ppm) in the watering solution affect the increase in height (cm) of Phaseolus vulgaris seedlings over 14 days?”

Burada süre, tür, bağımsız ve bağımlı değişken netleştiği için hem veri toplama hem de grafik çizme kolaylaşır.

2. Sadece teorik olan, deney içermeyen sorular

IB Biology IA, mutlaka deneysel ya da veri temelli bir çalışma ister. Sadece kitap okuyarak ya da makale özetleyerek IA yazılmaz.

• Hatalı: “What are the effects of microplastics on marine ecosystems?”
  Bu, Extended Essay için bile oldukça geniş kalır ve tamamen literatür çalışması olur.
• Daha iyi: “How does microplastic concentration (g/L) affect the turbidity of water containing Daphnia magna after 24 hours?”

İkinci versiyonda, kontrol edilebilir bir model sistem ve ölçülebilir bir dependent variable (turbidity) var.

3. Tek ölçümle cevaplanabilecek sorular

Bazı sorular, neredeyse tek bir ölçüm ya da iki veri noktası ile “evet/hayır” cevabı verecek kadar dar olur.

• Hatalı: “Does temperature affect catalase activity?”
  İki sıcaklıkta birer ölçüm alırsan, bu soruya teknik olarak cevap vermiş olursun, ama IA için veri kalitesi çok zayıf kalır.
• Daha iyi: “How does temperature (10, 20, 30, 40, 50 °C) affect the activity of catalase, measured as the rate of oxygen production per minute?”

Burada hem çoklu level hem de nicel bir rate ölçümü var, bu da mean, standard deviation ve trend yorumuna izin verir.

4. Sadece internet verisi ile yapılmaya çalışılan projeler

Online veri setleri ile yapılan çalışmalar bazen kabul edilse de, IB genelde kendi topladığın veriye daha sıcak bakar. İnternetten hazır veri indirmek, seni Exploration ve Personal Engagement kriterlerinde zayıf gösterir.

• Hatalı: “Using WHO data, how has obesity changed in Europe over 20 years?”
  Bu, daha çok bir Geography ya da Economics tarzı veri analizi çalışmasına döner.
• Daha iyi: “How does sugar concentration in different commercial soft drinks affect the change in mass of potato cores due to osmosis over 30 minutes?”

Market verisi sadece içecek seçmek için kullanılır, asıl veri okul laboratuvarında senin tarafından toplanır.

5. İnsan deneği ile etik izinsiz ya da riskli çalışma

Öğrenciler, spor ve beslenmeye ilgili olduğu için insan deneylerine yöneliyor. Ancak riskli tasarımlar, öğretmenin ve IB tarafından reddedilebilir.

• Hatalı: “How does running 5 km at maximum speed affect blood pressure and blood glucose levels of 16-year-old students?”
  Bu kadar yoğun egzersiz ve biyokimyasal ölçüm, sağlık riski ve etik izin sorunları yaratır.
• Daha iyi: “How does 5 minutes of slow walking versus 5 minutes of quiet sitting affect heart rate (beats per minute) of 16–18-year-old students?”

Düşük risk, kolay ölçüm ve etik açıdan daha rahat bir yapı sunar.

6. İstatistiksel olarak çok zayıf veri üreten tasarımlar

Sadece 3 veri noktası ya da 2 tekrar ile IA yazmaya çalışmak, Analysis kısmını neredeyse imkânsız hale getirir.

• Hatalı tasarım: 3 farklı pH seviyesi, her birinde 1 ölçüm, hiçbir repeat yok.
• Daha iyi tasarım: 5 farklı pH seviyesi (4.0, 5.0, 6.0, 7.0, 8.0), her birinde 5–10 tekrar.

Research Question’ını yazarken, kafanda mutlaka şu dönüşümü yap: “Bu soruya en az 25–30 veri noktası ile cevap verebiliyor muyum?” Cevap hayırsa, soruyu ya daralt ya da yeniden yapılandır.

Kendi İlgi Alanına ve Okul İmkânlarına Uygun Konu Bulma İpuçları

En keyifli IA’lar, öğrencinin kendi hayatıyla en az bir yerden bağlantı kurduğu projelerden çıkar. Konuyu seçerken sadece “hangi sorudan yüksek puan alırım” diye değil, “hangi soruyla 2–3 ay uğraşmaktan sıkılmam” diye de düşünmek işini kolaylaştırır.

Günlük hayatından yola çık

Aşağıdaki alanları düşünerek hızlı bir brainstorming yapabilirsin:

• Spor alışkanlıkların: Koşu, basketbol, yüzme, fitness gibi aktiviteler kalp atış hızı, recovery time, grip strength gibi ölçülebilir değişkenler üretir.
• Beslenme düzenin: Şeker, kafein, protein tozu ya da enerji içeceği kullanımı, osmosis, enzyme activity ya da blood glucose gibi biyoloji konularıyla bağ kurulabilir.
• Bitki bakımı: Evde baktığın sukulentler, fesleğen, nane, çiçekler, ışık, su, mineral eksikliği gibi konular için harika test ortamları olur.
• Çevre kulübü projeleri: Okul bahçesindeki toprak kalitesi, su birikintilerindeki mikroorganizmalar, atık ayrıştırma gibi temalar, IA için gerçek hayat bağlantısı sağlar.

Bu aşamada Research Question yazmana gerek yok, sadece kavram ve durum listesi çıkarman yeterli. Sonra bunları “ölçülebilir” hale getirmeye başlarsın.

Brainstorming ve öğretmen ile ön görüşme yap

Kafanda birkaç tema belirdikten sonra, bunları bir Biology öğretmeni ile konuşmak çok faydalı olur. Öğretmenin:

• Okul laboratuvarında hangi malzemelerin bulunduğunu,
• Hangi konuların çok sık tekrarlandığını (örneğin klasik catalase deneyleri),
• Hangi fikirlerin Grade Boundary üstüne çıkma potansiyeli taşıdığını

genellikle iyi bilir. Bu konuşmalara, kabaca formüle edilmiş 3–4 fikirle gitmek, sohbeti daha verimli hale getirir.

Literatür taraması ile fikirleri keskinleştir

Konu kabaca belli olduktan sonra, kısa bir literatür taraması yaparak hem bilimsel arka planı hem de olası boşlukları görebilirsin. Okul kütüphanenin yönlendirdiği database’leri ve IB’ye özel rehberleri kullanmak iyi bir başlangıç noktasıdır. Örneğin, farklı investigation fikirlerini listeleyen West Sound Academy “Ideas Worth Investigating” sayfası hangi değişkenlerin okul ortamında gerçekçi olduğunu gösterebilir.

Buradaki amaç, soruyu kopyalamak değil, “Nasıl bir yapı kullanmışlar, independent variable nasıl seçilmiş, dependent variable nasıl ölçülmüş” gibi noktalara dikkat etmektir.

Önceki yılların IA örneklerinden ilham al, kopyalama

Eski sınıflardan kalmış IA örnekleri ya da teacher paylaşmış sample çalışmalar, Research Question yazma stilini görmek için harika bir kaynaktır. Dikkat etmen gerekenler:

• Aynı konuyu çalışabilirsin, ancak aynı Research Question’ı kullanma.
• Aynı temayı, farklı bir organism, farklı bir measurement method ya da farklı bir independent variable ile yeniden tasarlayabilirsin.

Örneğin, önceki bir öğrenci “How does temperature affect the activity of catalase in potato?” çalıştıysa, sen:

• “How does hydrogen peroxide concentration affect the activity of catalase in liver tissue?” gibi, aynı concept’i farklı bir açıdan ele alabilirsin.

Kısacası, ilham al ama kopyalama. IB, benzer temalara toleranslıdır, ancak aynı veri yapısı, aynı grafikler ve aynı cümleler seni Academic Misconduct riskine sokar.

Son aşamada, tüm bu fikirleri 1–2 cümlelik net, ölçülebilir ve etik bir Research Question haline getirdiğinde, IA sürecinin en kritik bariyerini aşmış olursun. Bundan sonrası, elindeki iyi soruyu sistemli bir deneye dönüştürüp, verilerini anlamlı bir hikâyeye çevirmekten ibaret olur.

20 Özgün IB Biology IA Araştırma Sorusu Önerisi

Photo by MART PRODUCTION

Bu bölümde, okuduğun teoriyi gerçek deneylere dönüştürebileceğin tamamı IB seviyesine uygun, yapılabilir ve ölçülebilir 20 Internal Assessment araştırma sorusu bulacaksın. Her soru, net bir independent variable ve dependent variable içerir, ayrıca okul laboratuvarı ya da ev tipi basit ekipmanla uygulanabilecek düzeydedir.

Bitki fizyolojisinden enzim aktivitesine, insan fizyolojisinden mikroorganizma büyümesine ve su kalitesine kadar farklı temalarda fikirlerin olması, öğretmeninle tartışırken sana ciddi esneklik kazandırır. Soruları birebir kopyalamak yerine, kendi ilgi alanına ve okul imkânlarına göre küçük oynamalar yapman, IA’ını daha özgün ve kişisel hale getirir. Bitki ve fotosentez deneylerini planlarken, üniversite laboratuvarlarının nasıl kurguladığını görmek istersen Iowa State University’nin basit ama net anlatılmış photosynthesis investigation kılavuzu sana ek fikir verebilir.

Bitki Fizyolojisi ve Fotosentez Üzerine 5 Araştırma Sorusu

Bitki temelli IA’lar hem görsel olarak ilgi çekici olur hem de çoğu okul laboratuvarında rahatça yürütülebilir. Aşağıdaki soruların hepsi, kontrollü koşullarda ölçülebilir değişkenlere dayanır ve seni güçlü grafikler ile anlamlı trend yorumlarına götürür.

1. How does light wavelength (red, blue, green, white) affect the rate of photosynthesis in Elodea canadensis, measured as oxygen bubble production per minute under controlled light intensity?
   (IV: light wavelength, DV: photosynthesis rate, organism: Elodea)
2. What is the effect of nitrogen fertilizer concentration (0, 25, 50, 75, 100 % of recommended dose) on the increase in height of Phaseolus vulgaris seedlings over 14 days under constant light and temperature?
   (IV: fertilizer concentration, DV: increase in plant height)
3. How does soil pH (4.5, 5.5, 6.5, 7.5, 8.5) influence the germination percentage of Lens culinaris seeds after 7 days in controlled moisture conditions?
   (IV: soil pH, DV: germination rate)
4. What is the effect of sodium chloride concentration in irrigation water (0, 0.5, 1.0, 1.5, 2.0 % w/v) on the change in fresh mass of Spinacia oleracea leaves due to osmosis after 24 hours?
   (IV: salinity, DV: change in fresh mass as an indicator of water movement)
5. How do different artificial light sources (white LED, warm LED, fluorescent, incandescent) affect stomatal opening in Tradescantia zebrina leaves, measured as stomatal density and average pore width under a microscope after 2 hours of exposure?
   (IV: light source type, DV: stomatal opening characteristics)

Bu tarz fotosentez ve stomata deneyleri için, okul dışı bir referans görmek istersen Stanford tabanlı basit bir yaprak flotasyon deneyini anlatan Photosynthesis Lab – Basic dökümanı, IA’ına uyarlayabileceğin net bir ölçüm mantığı sunar.

Enzim Aktivitesi ve Metabolizma Üzerine 5 Araştırma Sorusu

Enzymes, IB Biology IA için en esnek ve güvenli alanlardan biri olur, çünkü patates, maya ve tükürük gibi kolay erişilebilir kaynaklarla çok sayıda tekrar alabilirsin. Aşağıdaki sorular, temperature, pH ve substrate concentration gibi klasik kavramları deneysel olarak test etmeni sağlar.

1. How does temperature (10, 20, 30, 40, 50 °C) affect the activity of amylase in human saliva, measured as the time taken for starch to be completely hydrolysed using iodine as an indicator?
   (IV: temperature, DV: reaction time, enzyme source: saliva)
2. What is the effect of pH (4.0, 5.5, 7.0, 8.5, 10.0) on the activity of catalase extracted from potato tissue, measured as the rate of oxygen production from hydrogen peroxide per minute?
   (IV: pH, DV: rate of oxygen production, enzyme source: potato)
3. How does substrate concentration of lactose (0.5, 1.0, 1.5, 2.0, 2.5 % w/v) influence the rate of glucose formation by commercial lactase tablets, measured using glucose test strips over a fixed reaction time?
   (IV: lactose concentration, DV: glucose production rate, enzyme: lactase tablet)
4. What is the effect of a competitive inhibitor (increasing sodium chloride concentration, 0, 0.5, 1.0, 1.5, 2.0 % w/v) on the rate of yeast invertase activity, measured as the change in sucrose concentration over 15 minutes?
   (IV: inhibitor concentration, DV: reaction rate, enzyme source: baker’s yeast)
5. How does salt concentration (0, 1, 2, 3, 4 % w/v NaCl) affect the activity of protease in fresh pineapple juice, measured as the decrease in gelatine mass after 30 minutes at constant temperature?
   (IV: NaCl concentration, DV: protein digestion extent)

Bu soruları kendi okul imkânına göre basitleştirip, ölçüm yöntemini renk değişimi, kütle değişimi ya da basit zaman ölçümü gibi pratik tekniklerle uyarlayabilirsin. Enzim aktivitelerini planlarken, üniversite düzeyi laboratuvarların kullandığı mantığı görmek için amaca uygun örnekleri içeren genel biyoloji lab notları ya da pdf’lere bakmak, deney tasarımını daha tutarlı kurmana yardım eder.

İnsan Fizyolojisi ve Egzersiz Biyolojisi Üzerine 4 Araştırma Sorusu

İnsan fizyolojisi temelli IA’lar, günlük hayatla direkt bağlantı kurduğu için hem yazması hem de anlatması keyifli olur. Aşağıdaki soruların hepsi non-invasive, yani sadece kalp atım hızı, reaction time ya da grip strength gibi güvenli ölçümler içerir. Yine de gerçek bir IA’de katılımcı kullanacaksan, okulunun etik kurallarına göre ön onay alman gerektiğini unutmamalısın.

1. How does short-term physical activity type (5 minutes brisk walking vs 5 minutes step-ups vs 5 minutes on-the-spot jogging) affect heart rate (beats per minute) of 16–18-year-old students immediately after exercise?
   (IV: type of low-intensity exercise, DV: heart rate)
2. What is the effect of prior screen exposure duration (0, 15, 30, 45 minutes of phone use) on simple visual reaction time of students, measured using an online reaction time test?
   (IV: screen exposure time, DV: reaction time)
3. How does hydration level, estimated by self-reported water intake over the past 2 hours (0, 250, 500, 750, 1000 mL), influence hand grip strength in 16–18-year-old students, measured with a hand dynamometer?
   (IV: recent water intake, DV: grip strength)
4. What is the effect of sleep duration during the previous night (less than 5, 5–6, 6–7, 7–8, more than 8 hours) on short-term memory performance in 16–18-year-old students, measured by the number of words correctly recalled from a standard word list?
   (IV: sleep duration category, DV: memory score)

Egzersiz ve kalp atım hızı ile ilgili daha ileri düzey çalışmaların nasıl tasarlandığını merak edersen, Louisiana State University’nin heart rate variability ve kısa süreli endurance training ilişkisini inceleyen dissertation çalışması sana, insan fizyolojisi verilerinin nasıl analiz edildiğine dair üst seviye bir bakış verebilir. IA seviyesinde bu kadar karmaşık istatistik gerekmez, ama genel yaklaşımı görmek faydalıdır.

Mikroorganizma Büyümesi ve Çevresel Faktörler Üzerine 3 Araştırma Sorusu

Mikroorganizma ile çalışırken, IB guidelinelarına göre patojenlerden kaçınman gerekir. Aşağıdaki sorular yalnızca baker’s yeast (Saccharomyces cerevisiae) ve yoğurt bakterileri gibi güvenli organizmalar içerir. Bu sayede hem güvenlik hem de tekrar sayısı açısından rahat bir alanın olur.

1. How does glucose concentration in the growth medium (0, 1, 2, 4, 6 % w/v) affect the rate of carbon dioxide production by baker’s yeast, measured as gas volume produced over 10 minutes at constant temperature?
   (IV: glucose concentration, DV: CO₂ production rate, microorganism: yeast)
2. What is the effect of incubation temperature (15, 20, 25, 30, 35 °C) on the turbidity of a Saccharomyces cerevisiae suspension after 24 hours, measured using a simple colorimeter or light transmission scale?
   (IV: temperature, DV: turbidity as growth indicator)
3. How does pH of milk (adjusted to 5.0, 5.5, 6.0, 6.5, 7.0) influence the growth of yogurt bacteria, measured as the change in pH over 24 hours during fermentation at constant temperature?
   (IV: initial pH, DV: change in pH as a proxy for bacterial activity)

Bu tip büyüme deneylerinde, maya kültürünün nasıl hazırlandığını ve büyümenin hangi parametrelerle takip edilebileceğini görmek için Saccharomyces cerevisiae büyüme koşullarını değerlendiren akademik yayınlar ya da protokoller, IA’ında kullanacağın method kısmını daha bilinçli yazmana yardım eder. Örneğin, maya büyüme koşullarını tartışan bir çalışmanın yer aldığı NCBI makalesi büyüme için optimum çevresel faktörlerin mantığını anlaman açısından yararlı olabilir, fakat IA’de karmaşık cihazlara gerek kalmadan basit hacim ve bulanıklık ölçümleriyle de çalışabilirsin.

Ekoloji, Çevre ve Su Kalitesi Üzerine 3 Araştırma Sorusu

Ekoloji temelli IA konuları, çevre duyarlılığını bilimsel veri ile birleştirdiği için hem Extended Essay hem de Internal Assessment tartışmalarında oldukça popüler hale gelir. Aşağıdaki sorular, karmaşık saha ekipmanına ihtiyaç duymadan, yerel su kaynaklarını ve alg ya da su bitkisi büyümesini incelemene izin verir.

1. How does water source type (tap water, bottled water, local pond water, school garden rainwater collection) affect dissolved oxygen concentration, measured with a dissolved oxygen probe under identical temperature conditions?
   (IV: water source, DV: dissolved oxygen level)
2. What is the effect of light intensity (measured in lux, using 1000, 3000, 5000, 7000, 9000 lux) on the growth of freshwater green algae in culture, measured as change in turbidity over 10 days?
   (IV: light intensity, DV: algal growth)
3. How do different nitrate concentrations (0, 5, 10, 15, 20 mg/L) in water affect the length increase of Elodea canadensis shoots over 14 days under constant light and temperature?
   (IV: nitrate concentration, DV: increase in shoot length)

Bu tarz su kalitesi temelli IA’lar, yerel bağlamla bağ kurmana da imkân verir. Örneğin, okul çevresindeki küçük bir gölet ile musluk suyunu karşılaştırabilir, elde ettiğin dissolved oxygen ya da alg büyüme verilerini, ders kitabındaki ekosistem kavramları ile ilişkilendirebilirsin. Aynı anda çok fazla parametreye yüklenmek yerine, her seferinde tek bir independent variable seçmek, hem veri analizini sadeleştirir hem de Grade Boundary üstü bir IA için ihtiyaç duyduğun netliği sağlar.

Bu 20 araştırma sorusu, senin için bir “hazır liste” olmaktan çok, kendi özgün Internal Assessment fikrini netleştirmek için bir başlangıç noktası gibi düşünülmeli. Soruları birebir kullanmak yerine, bitki türünü, konsantrasyon aralıklarını ya da ölçüm yöntemini kendi ilgi alanına göre değiştirmen, IA’ına hem özgünlük hem de kişisel anlam katar.

Conclusion

IB Biology Internal Assessment sürecinde yüksek puan alan çalışmaların ortak noktası, süslü konular değil, net bir research question, mantıklı ve uygulanabilir bir method, temiz veri analizi ve dürüst bir evaluation bölümü olur; yani bütün yazı boyunca gördüğün gibi, güçlü bir IA için sihir değil, sistemli bir düşünme şekli gerekir.

Bu rehberdeki 20 araştırma sorusu fikrini “hazır cevap” gibi almak yerine, ilgi alanına, okul laboratuvarındaki imkanlara ve kendi zaman planına göre uyarladığında, hem Personal Engagement kısmın güçlenir hem de raporun çok daha özgün görünür; küçük değişikliklerle bile, aynı temayı bambaşka bir Internal Assessment haline getirebilirsin.

Son kez kendine basit ama net bir IA checklist’i sorarak sürecini toparlayabilirsin:

• Research question net mi, ölçülebilir mi, tek bir biyolojik ilişkiye mi odaklanıyor?
• Independent, dependent ve controlled variables açıkça tanımlı ve mantıklı mı?
• En az 5 level için veri toplayacak mısın ve her level için yeterli repeat planladın mı?
• Çalışman etik ve güvenli mi, insan ya da hayvan kullanıyorsan okul kuralları ile uyumlu mu?
• Data analysis için hangi hesapları, hangi graph türlerini ve gerekirse hangi basic statistics yöntemlerini kullanacağını şimdiden biliyor musun?
• Kullandığın kaynaklar güvenilir mi ve en azından birkaç güçlü .edu referansını References kısmına eklemeyi planladın mı?

Bu sorulara dürüstçe “Evet” diyebildiğin anda, IA sürecin artık göz korkutan bir görev değil, biyolojiyi gerçekten anladığını ve kendi deneylerinle test edebildiğini göstereceğin güçlü bir vitrin olur; şimdi taslak research question’ını aç, checklist’e göre son kez gözden geçir ve Internal Assessment’ini seni Grade Boundary çizgisinin üstüne taşıyacak gerçek bir araştırma projesine dönüştür.