伦敦政治经济学院（简称“LSE”）明确，自2027年入学周期起，经济学、计量经济与数理经济学两个本科项目将TMUA（数学入学测试）列为强制要求，另有8个相关项目建议申请者提交成绩。TMUA是机考标准化测试，题型以选择题为主，侧重评估考生把现实情境转化为数学表达、完成逻辑推导的能力。

这一调整意味着，经济学对申请者的数学要求正从“加分项”转向“准入基础”。随着实证研究普及、数理建模成为主流研究工具，院校希望学生在入读本科前具备匹配课程节奏的数学推理能力。文本分析与论述思辨仍然重要，但“规范的论述+稳定的数学工具运用”正在成为新的组合门槛。

牛津大学的MAT（数学入学考试）最后一次举办为2025年10月，面向2026年入学申请者；自2027年入学（2026年申请轮次）起，数学、计算机及相关联合学位申请者统一参加TMUA。剑桥大学自2027年入学起同样要求数学专业申请者提交TMUA成绩，与继续保留的STEP（第六学期考试）并用——前者将作为面试筛选的重要参考，后者依旧是有条件录取的核心依据。

这个变化不宜简单概括为“从深度转向速度”。MAT本身就是限时考试，TMUA的选择题也不等于浅层，其第二卷专门考查形式逻辑与推理谬误识别。更准确的理解是：高校在原有的深度证明标准（STEP）之外，增加了一道前置筛选环节（TMUA），目的是观察申请者在限时条件下的推理稳定性。深度证明的考查没有取消，只是筛选链条被拉长了——既要看申请者能不能严谨论证，也要看申请者在大规模初筛中能不能稳定输出。

香港大学工程学院精英工程项目的GCE A-Level入学要求为4门科目3A*1A，高于学院多数工程专业3门A-Level的门槛（具体要求以申请当年官网为准）。从3门到4门，科目数量的提升指向一个明确趋势：人工智能、能源等前沿工程问题，越来越需要同时调用数学、物理与计算工具。

但值得注意的是，“广度”不等于多选几门课凑数。数学、物理、计算机科学的组合，比随意增加选课数量更能搭建跨学科学习的基础。门槛提高的同时，科目之间的搭配逻辑也在被隐性考查。

香港大学计算与数据科学学院（CDS）于2024年7月1日成立，2025–26学年启动本科招生，由计算机科学系与统计及精算学系整合组建，开设8个本科课程，包括全新的人工智能与数据科学学位及“AI+X”双学位模式。

院系层面的建制化说明，数据分析与人工智能正从依附于其他学科的选修模块，成长为拥有独立招生标准与完整学位路径的主流方向。数学、统计、计算的融合被固化到课程体系的基础层，申请者需要理解三者之间的关联，而非孤立掌握某一项技能。

英国临床能力测试（UCAT）自2025年起取消抽象推理板块，测试由语言推理、决策判断、定量推理三项认知板块和情境判断板块组成，总分区间重构为900–2700分，官方明确新旧分数不具备直接可比性。取消的原因是，抽象推理的预测效度相对有限、可培训属性较强，测评资源因此向更贴近医疗真实场景的内容倾斜。

改革后，决策判断与情境判断的相对权重上升：前者考查信息有限条件下权衡利弊、做出合理选择的能力；后者模拟临床场景中的伦理困境，评估职业意识、人际判断与价值取向。医学选拔并未放松语言阅读与定量计算的基础门槛，但图形抽象推理不再是核心筛选指标，与真实工作场景相关的判断能力受到了更多重视。

学科选拔标准调整的背后，是两类可以在长期教学中持续培育的能力：有明确知识边界与递进路径的硬学术能力，以及不依附单一学科、可跨场景迁移的思维素养。

数学是本次评价迭代中共同抬升权重的基础能力，但不同笔试锚定的层次并不相同，大体可划分为四个层级。

四层在实际筛选中并不是严格递进关系。如牛剑数学方向，TMUA和STEP其实是各负责一段：TMUA是机考选择题，放在最前面做大范围初筛，看的是考生能不能快速把问题理清楚、推理过程稳不稳定；STEP还是保留原来的主观证明题，专门考查深度论证。两个考试同时存在，说明高校既想要“限时条件下能稳定思考”的人，也想要“能独立完成严谨证明”的人。经济学、数据科学和工程方向的选拔，目前基本集中在前面三层，但第二层“建模与概念理解”的分量，正在明显变重。

香港大学精英工程提高科目门槛、CDS学院整合数学统计计算，传递了一个趋势：知识广度正从“锦上添花”变为部分精英方向的硬性准入要求。

但广度不等于堆砌知识点。工程以数学、物理为基础，叠加计算机或电子相关内容；数据科学要求数学、统计、编程并行，分别提供底层理解、推断逻辑与实现手段；经济学在经济学科目之外配套数学乃至进阶数学，服务于实证模型学习；医学以化学、生物为主体，搭配数学，支撑后续生物统计与循证医学。不同赛道的广度组合指向清晰，科目之间能否联动调用，比单纯数量多少更重要。

限时作答正在从某一场考试的特殊要求，变成越来越多笔试的共同特征。TMUA与UCAT决策判断板块指向的趋势很明确：高校希望看到申请者在时间受限、信息不完备的条件下，依然能稳定识别问题结构、选择路径并校验结论合理性。

这个能力在两个环节发挥作用：一是选拔阶段的初筛，区分“能在压力下稳定输出”与“只有在从容环境下才能发挥”的申请者；二是本科阶段的课堂节奏、文献阅读与模型调试，同样依赖快速抓住核心逻辑的能力。它可以在数学、经济、数据科学等多个赛道复用，正成为一种通用思维基础。

工程、数据科学与现代经济学的真实问题，越来越没有清晰的学科边界。能源优化需要物理规律、数学模型与编程实现共同支撑；经济实证需要理论、统计检验与数据处理互相配合。

整合的关键不在于掌握多少门学科，而在于建立知识之间的“接口”——清楚每种工具适合解决哪类子问题、局限在哪里、结果如何衔接。这也是新工科与交叉方向人才区别于传统单科人才的重要标志。

医学的指向最为直接：临床困境往往没有标准答案，UCAT情境判断板块正是这类能力的前置考查。但价值权衡并不止于医学——经济学的政策评估、数据科学中的隐私与算法公平、工程中的安全与成本，同样需要跳出纯粹技术视角的考量。

这部分素养不是脱离专业的附加要求，而是专业能力的组成部分。随着各学科与真实社会场景的交织加深，“会不会做”和“应不应该做”正在被同时纳入评价视野。

IB、A-Level、AP三大体系结构各异，为不同学科方向提供不同的载体。科目选择的价值不在凑齐门槛科目，而在于依托课程特点匹配目标学科的能力导向。

三个体系的评价特点形成不同约束：A-Level单科纵深强，适合持续深耕逻辑链条；AP模块化、便于按需单点补强，但相对缺少连贯的跨学科探究要求；IB的 TOK、EE、IA天然提供情境探究与整合分析的训练场景，更适配系统整合与情境判断类素养。科目结构本身不会自动生成思维能力，但能为后续训练提供匹配的知识载体。

考试形式变了，学习方式也在跟着调整。从五个学科的趋势来看，日常学习中正在出现四类新的侧重。

从评价信号的回传路径来看，这四类侧重不是替代标准大纲，而是选拔标准变化向日常学习环节的自然延伸。

学段规划如果只停留在“每个阶段该做什么”，容易变成一份理想清单。真正落地时还有一个现实约束：在课时安排、师资配置与统考压力的共同作用下，限时推理训练和跨学科课题往往排不进常规课堂——前者需要专门设计限时情境和即时反馈，后者依赖跨学科师资的协同和完整的项目周期。更现实的载体是EPQ、IA与课外研究项目。

初中及IGCSE/MYP阶段：这一阶段通常以通用数学工具和多学科广泛接触为主，重点在建立“把问题转成数学关系”的意识，感知物理、化学、生物、计算机等不同学科看问题的角度差异，养成理科阅读和信息提取的基本习惯。

10–11年级（A-Level AS、IB DP第一年、AP入门选课期）：方向在这个阶段慢慢明确，核心科目组合逐步定型；数理方向的学生进入进阶数学、AA HL或AP微积分，开始接触多步推导和简单证明。与此同时，限时推理练习和跨学科小课题正从课外选项变成越来越多学生的常规配置，EPQ、IA构思与自主研究日益成为整合多学科知识的载体。

12–13年级：高校选拔的差异化特征在这个阶段完全显现出来。数学方向要同时应对TMUA的节奏和STEP风格的证明；经济学方向的数理建模分量持续加重；工程方向对数学、物理、计算工具联动的要求更加明确；数据科学方向出现统计、代码与模型闭环的整合趋势；医学方向则在UCAT框架下呈现决策判断与情境分析并重的新格局。不同学制和体系节奏不同，但整体呈现出“前期打基础、中期练整合、后期对接选拔”的梯度。

本文为京领原创出品

未经授权，请勿转载

转载或商务合作请联系

电话：010-82362348

微信：Kinglead-edu

官网：https://jinglingedu.com