IEO国际经济学奥林匹克(International Economics Olympiad简称IEO),是全球13项科学类奥林匹克之一。IEO由多所大学组成的联合委员会主办,由诺贝尔经济学获奖者、哈佛大学教授埃里克·马斯金(Eric Maskin) 担任理事会主席。大赛面向全世界的高中生,旨在鼓励对经济学、财务和商业感兴趣的学生,激发他们用创造性的方式解决问题,培养未来中国经济和商业世界的引领者。2024 IEO备赛报名现已开启,感兴趣组队参加的同学们尽快联系留学汇老师报名吧!
适合对象
7-12年级对经济学、商科金融感兴趣的学生们(2024年6月30日前,不满20周岁)均可报名参加,组队参赛,4人一队。
比赛时间
比赛报名截止时间:2024年5月6日
初级站测评时间:2024年5月18日 14:00--16:00
中国站(候选营):2024年6月
全球站:2024年7月-8月
比赛规则
⚠️ 4人一队,不区分组别;
⚠️可跨校、跨省市组队。涉及到跨校组队的团队,团队需在Bloom组队界面确定团队归属学校,即团队荣誉项荣誉的归属学校,个人奖项仍落款各自所属学校;
⚠️可于报名截止日前更换队员,一旦报名截止,则以截止日的组队情况为最终组队。
IEO初级站
考察模块:经济学知识测评(Economics Test)
考试时间:60分钟
考试形式:线上 个人 闭卷纸笔考。
考察内容:参赛选手对基本经济学概念和模型的理解,以及对经济学领域的好奇心和分析能力。
考察范围:可参照 N·格里高利·曼昆《经济学原理》(最新版),也可参考 IEO Central Office 推荐的 CORE 团队《The Economy》。参考网站:https://www.core-econ.org
计分规则:IEO 初级站中 Economics 共计 40 道题。回答正确得 10 分,回答错误或者不回答,不得分也不扣分,共计总分 400 分。团队总分计算方式:将 5 位选手的个人总分相加,为最终的团队总分,满分 2000 分。
团队和人成员总分为团队总得分,前20%的团队晋级中国区终选。
⚠️2024年 IEO 大赛将仅从初级站的众多参赛队伍中,选拔出20支队伍直接进入第二轮的候选营选拔:
若存在同一所学校超过3支队伍(以团队归属学校为准)位居前20名之列,则名次靠前的3支队伍拥有晋阶资格,名次靠后的队伍进入候补名单;
若同个学校名次靠前的3支队伍里有放弃晋阶资格的情况,则名次靠后的队伍按照成绩排序,优先替补晋阶。
IEO中国站(候选营)
考察模块:经济学知识测评(Economics Test)➕ 商业案例路演(Business Case)
考试形式:团队小组合作,根据现场发布的任务,即兴完成项目设计、PPT、演讲展示、评委问答。
IEO全球站
考察模块:经济学知识测评(Economics Test)➕ 商业案例路演(Business Case)➕ 财务知识测评(Financial Literacy)
考试形式:1.5小时个人游戏模拟。选手将面对各种金融和财务工具,应对模拟游戏中不同经济危机情况,实现资金积累。
奖项设置
IEO竞赛的奖项共分为 Medals、Statuettes 和 Special prizes (Certificates)三种形式:
Gold Silver and Bronze medals:
整个竞赛三个部分综合个人成绩最高的人获得
Gold Silver and Bronze statuettes:
整个竞赛三个部分综合团队成绩最高的人获得
Special prizes (certificates):
由三个竞赛部分中分别表现最为突出的团队获得
每位参赛人员都将获得参赛证书
冲刺备赛建议
IEO的三大考核环节都非常考察学生们对宏、微观经济知识的掌握程度。
IEO从知识结构的深度和广度上都大大超过了三大国际课程体系经济学科的考察范围。
IEO经济学知识测评部分,难度比FBLA和NEC竞赛都要高些。要求学生在经济学方面有大学水平的能力,对常规经济学知识点的考察深度也都完全超出了学生在高中经济学科学习中会遇到的题目的经济学分析难度。尤其是在数学计算能力上比三大课程体系经济学科对数学的要求都还要高。
AP/IB/ A Level课程体系三大课程体系经济科目均包含宏、微观经济的几大基础知识板块:
1、基本经济学常识
2、供需曲线和弹性
3、企业决策分析和市场结构
4、市场失灵和政府干预
5、宏观经济指标和AD-AS曲线
6、财政政策和货币政策
7、国际贸易和汇率
虽然在具体的细分知识点上各有侧重,关注的市场也有所不同,考察方式各异,但不同课程体系的经济学知识点,完全可以覆盖40-60%的竞赛考点。
因此建议想要参加 IEO 的同学们,不仅需要把原本课程体系中,经济学科的基本知识掌握得非常熟练,并且还需要额外留出足够的时间,进行宏、微观经济学的额外深度学习。