【基盤 英語】モジュール56：図表読解の基本手順
本モジュールの目的と構成
英語の入試問題では、本文だけでなくグラフ・表・図が提示され、それらの情報を英文と照合して解答を導く形式が増加している。多くの試験で図表を含む問題が出題されるが、図表に示された数値や傾向を正確に読み取れなければ、本文の内容を理解していても正答にたどり着けない。図表読解で頻繁に生じる誤りは、図表の数値を漠然と眺めるだけで、何を問われているのかを特定しないまま選択肢に進んでしまうことにある。図表が提示する情報は常に「何の」「いつの」「どの単位での」数値であるかという三つの軸で整理される必要があり、この軸の特定を怠ると、数値の読み違いや比較対象の取り違えが起こる。図表読解は単に数値を拾う作業ではなく、構造要素の識別・数値の言語化・設問意図の把握・本文との統合判断という四段階の処理を体系的に遂行する技術であり、この技術の有無が図表問題での得点差に直結する。
本モジュールは以下の層で構成される：
統語：図表の構造要素の識別と読み取り手順の確立
グラフの軸・凡例・単位、表の行列構造・見出しなど、図表を構成する要素を正確に識別し、情報を体系的に抽出する手順を確立する。図表の種類（棒グラフ・折れ線グラフ・円グラフ・表）ごとに読み取るべき情報の優先順位が異なることを理解し、それぞれに対応した読み取り手順を習得する。構造要素の見落としは数値の誤読に直結するため、後続のすべての層の前提となる能力をここで確立する。
意味：図表中の数値・傾向の正確な言語化
グラフの増減傾向、表中の数値の大小関係、割合の変化などを英語で正確に表現する能力を扱う。increase、decrease、remain stable、account forといった図表記述の定型表現と、それらが実際の数値とどう対応するかを学習する。数値の変化を「方向」と「程度」の二つのパラメータで分析し、選択肢の英語表現との整合性を検証する技術を養成する。
語用：図表に関する設問の意図と解答要件の把握
図表問題の設問は「図表から読み取れること」「本文の内容と一致するもの」「図表と本文の両方から判断できること」など、解答に必要な情報源を限定する形式をとることが多い。設問が何を求めているかを正確に把握し、図表のみで答えられるのか、本文との照合が必要なのかを判断する能力を扱う。選択肢の言い換えパターンを識別し、正答と誤答を区別する技術も含まれる。
談話：図表情報と本文情報の統合的処理
図表と本文が同時に提示される問題では、図表の数値情報と本文の言語情報を統合して判断する能力が求められる。図表単体の読み取りにとどまらず、本文中の記述が図表のどの部分に対応するかを特定し、両者の整合性を検証する手順を扱う。図表中の数値が本文でどのように言い換えられるか、また本文の主張が図表のどのデータによって支持されるかを判断する技術が、談話層の中心的な学習対象となる。
このモジュールを修了すると、英語の入試問題で図表が提示された際に、図表の構造要素を素早く識別し、数値や傾向を正確に読み取った上で、本文の記述と照合して解答を導く一連の処理を遂行できるようになる。グラフの軸や単位を見落として数値を誤読する事態、あるいは本文の主張と図表のデータの対応関係を見誤る事態を回避し、図表問題に対して再現可能な判断手順で安定して正答を導く力が身につく。さらに、設問の情報源指定を正確に読み取り、図表のみ・本文のみ・両方という三つの情報源を適切に使い分けて選択肢を検証する能力、および選択肢の言い換えパターンを識別して正答の言い換えと誤答の歪曲を区別する能力が確立される。この能力は、後続のモジュールで扱う要約や長文読解において、複数の情報源を統合的に処理する力を発展させることができる。
【基礎体系】
[基礎 M26]
└ 図表・複数資料の読解を体系的に理解する
統語：図表の構造要素の識別
英文中にグラフや表が提示されたとき、多くの学習者はまず数値に目を向ける。しかし数値を正しく解釈するには、その数値が「何を」「どの単位で」「いつの時点で」示しているかを先に確定させなければならない。この確定作業を怠ったまま数値を読み取ると、目盛りの単位を見落として桁数を誤る、凡例を確認せずにデータ系列を取り違える、表の行見出しと列見出しの対応を逆に追跡するといった誤りが生じる。統語層を終えると、グラフ・表の構造要素（タイトル・軸ラベル・単位・凡例・脚注）を漏れなく識別し、図表の種類に応じた読み取り焦点を設定できるようになる。品詞や句の識別と同様に、図表にも読み取るべき構造的要素があるという認識が前提として求められる。棒グラフ・折れ線グラフ・円グラフ・表それぞれの構造要素の識別手順と、脚注・注釈の処理手順、そして図表の種類ごとに異なる読み取り優先順位の設定を扱う。統語層の能力がなければ、意味層で数値を英語表現に対応させる段階、語用層で設問の意図を把握する段階、談話層で本文と照合する段階のいずれにおいても、元となる数値の正確性が保証されない。
【関連項目】
[基盤 M02-統語]
└ 図表中の名詞句の識別基準を把握する
[基盤 M07-統語]
└ 図表のキャプション・見出しの句構造を確認する
１. 棒グラフ・折れ線グラフの構造要素
英語の入試問題でグラフが提示される場合、学習者はグラフの全体的な形状から「増えている」「減っている」といった印象を直感的に把握しようとする。しかし、軸の目盛りや単位を確認せずに傾向を判断すると、実際の変化量を大幅に見誤ることがある。グラフの読み取りで求められるのは、構成要素を一つずつ確認し、数値の意味を確定させてから傾向を判断するという順序の遵守である。
棒グラフ・折れ線グラフの構造要素を正確に識別する能力によって、以下の能力が確立される。第一に、タイトル・軸ラベル・単位・凡例の四つの要素を体系的に確認し、数値の意味を確定できるようになる。第二に、非零起点グラフや不均等目盛りにおいて、視覚的印象と実際の数値の乖離を検出できるようになる。第三に、複数のデータ系列が含まれるグラフで凡例に基づいて各系列を正確に区別できるようになる。第四に、構造要素の見落としによる典型的な誤読パターンを回避できるようになる。
棒グラフ・折れ線グラフの構造要素の識別は、次の記事で扱う円グラフ・複合グラフの読み取り、さらに表の構造要素の識別へと直結する。
１.１. 棒グラフ・折れ線グラフの構造要素と確認手順
一般にグラフの読み取りは「数値を見る」ことと理解されがちである。しかし、この理解はグラフの構造要素を体系的に確認する手順を欠いているという点で不正確である。学術的・本質的には、グラフとは縦軸（y-axis）・横軸（x-axis）・凡例（legend）・単位（unit）・タイトル（title）という五つの構造要素によって数値の意味が確定される情報提示形式として定義されるべきものである。この定義が重要なのは、同じ数値であっても単位が「人」なのか「千人」なのか、横軸が「年」なのか「月」なのかによって、読み取るべき情報がまったく異なるためである。入試問題では、この構造要素の見落としを誘導する形式が頻出する。たとえば縦軸の単位を目立たない位置に配置したり、目盛りの起点を0以外に設定したりすることで、数値の印象を操作するグラフが出題される。構造要素の確認を「手順」として定着させることで、こうした誘導に対して機械的に対処できるようになる。
この原理から、棒グラフ・折れ線グラフを読み取る具体的な手順が導かれる。手順１ではタイトルと軸ラベルを確認する。グラフ上部または下部に記載されたタイトルから「何についてのグラフか」を把握し、縦軸・横軸のラベルから「何の数値を」「何に対して」示しているかを確定することで、読み取りの方向性が定まる。タイトルに含まれる括弧書き（in millions, per capita等）は単位情報を含むことが多く、見落とすと数値の桁数を誤認する原因となる。手順２では単位と目盛りを確認する。縦軸の単位（%, million, thousand等）と目盛りの間隔を確認することで、数値の大きさを正確に把握できる。特に目盛りが0から始まっていない場合や、間隔が不均等な場合は、変化量の印象と実際の数値が乖離しやすいため、この確認が誤読を防ぐ。目盛りが対数スケールの場合は等間隔に見える変化が実際には指数関数的な変化を意味するため、スケールの種類自体を確認する習慣が必要である。手順３では凡例を確認し、複数のデータ系列を区別する。棒グラフの色分けや折れ線グラフの線種が何を表しているかを凡例で特定することで、比較対象を正確に識別できる。凡例がグラフ本体から離れた位置に配置されている場合や、本文中の説明で補完されている場合もあるため、グラフ周辺の情報を広く確認する必要がある。
例１: A bar graph titled “Annual Smartphone Sales by Region (in millions)” with the y-axis labeled “Units Sold (millions)” and x-axis showing years 2018-2023.
→ タイトルから「地域別スマートフォン年間販売台数」、単位は「百万台」、横軸は年単位と確定。タイトル中の”(in millions)“と縦軸ラベルの”(millions)”が一致していることを確認。
→ 構造要素：タイトル＋縦軸（百万台）＋横軸（年）＋凡例（地域別）。凡例の色分けを確認してどの棒がどの地域かを特定する。
例２: A line graph showing “Changes in Average Temperature” with the y-axis starting at 14°C rather than 0°C.
→ 縦軸が0から始まっていないため、折れ線の傾きから受ける「急激な変化」の印象は実際の変化幅より大きく見える。この種の非零起点グラフは入試で頻出し、視覚的印象と数値的事実の乖離を利用した誤答選択肢が作られやすい。
→ 目盛りの確認により、実際の変化幅が14.2°Cから14.8°Cの0.6°C差であると正確に把握できる。選択肢中の”significantly increased”がこの0.6°Cに妥当かどうかは、数値で検証する必要がある。
例３: A bar graph with two colors (blue and orange) but no legend visible in the immediate vicinity.
→ 凡例がグラフ本体から離れた位置に配置されている場合がある。グラフ周辺だけでなく、図の下部や本文中の説明も確認する必要がある。入試問題では本文中に”the blue bars represent domestic sales while the orange bars show international sales”といった記述で凡例情報を補完するケースがある。
→ 凡例未確認のまま「青が増えている」と判断しても、青が何を表すか不明では解答に使えない。凡例の確認は手順３として機械的に実行すべき作業である。
例４: A line graph with two y-axes — the left showing “Number of Students” and the right showing “Percentage.”
→ 二軸グラフでは、どの線がどの軸に対応するかを凡例と軸ラベルの両方で確認する必要がある。左軸と右軸でスケールが異なるため、二本の折れ線の交差点は数値的な等値を意味しない。
→ 「数」の増加と「割合」の減少が同時に起こりうるため、軸の対応を誤ると傾向の判断を逆にする。たとえば全体の人数が増加する中で特定グループの人数も増加していながら、全体に占める割合は減少するという状況は、二軸グラフでしばしば表現される。選択肢で”the number increased”と”the percentage decreased”が別の選択肢として提示された場合、両方とも正確でありうる。
以上により、棒グラフ・折れ線グラフにおいて構造要素を体系的に確認し、数値の意味を正確に確定した上で傾向を判断することが可能になる。
２. 円グラフ・複合グラフの構造要素
円グラフや複合グラフは棒グラフ・折れ線グラフとは異なる構造的特徴を持ち、読み取りにおいて特有の注意点がある。円グラフでは「割合」と「実数」の区別、複合グラフでは「異なるスケールの共存」という問題が生じるが、これらの問題に気づかないまま数値を読み取ると、選択肢の判断段階で誤りが生じる。
円グラフ・複合グラフの構造要素を正確に識別する能力によって、以下の能力が確立される。第一に、円グラフにおいて母数・セグメント・割合の関係を把握し、複数の円グラフを比較する際に割合と実数を区別できるようになる。第二に、複合グラフにおいて二軸構成や棒と折れ線の組み合わせを正確に識別し、各データ系列の対応を誤らずに読み取れるようになる。第三に、「Other」カテゴリの扱いや母数の異なるグラフ間の比較における典型的な誤読を回避できるようになる。
円グラフ・複合グラフの構造要素の識別は、前の記事の棒グラフ・折れ線グラフの知識と合わせて、後続の表の構造要素の識別、さらに図表の種類に応じた読み取り優先順位の設定の前提となる。
２.１. 円グラフ・複合グラフの構造要素と確認手順
円グラフとは何か。「割合を示すグラフ」という回答は、円グラフの情報を正確に読み取るために必要な「母数」と「時点」の概念を含んでいない。円グラフが示す割合は、特定の母集団における構成比であり、各セグメント（sector）のラベル・割合（%）・母数・調査時点の四つの要素によって情報が確定される。この定義が重要なのは、二つの円グラフを比較する際、割合が同じでも母数が異なれば実数はまったく異なるためである。たとえば2015年のデータで「30%」と2020年のデータで「30%」が同じ値に見えても、母数が1,000人から2,000人に増えていれば実数は300人から600人に倍増している。入試ではこの「割合の同値」を利用して「変化がなかった」と読み取らせる誤答選択肢が頻出する。また、「Other」と表記された合算カテゴリは複数の小カテゴリの集計であるため、個別カテゴリとの比較において「最大のカテゴリ」と誤認させる設問もある。複合グラフ（棒グラフと折れ線グラフの組み合わせなど）では、異なるデータ系列が異なるスケールで同一のグラフ上に表示されるため、系列ごとの読み取り手順を区別して適用する必要がある。
以上の原理を踏まえると、円グラフおよび複合グラフを読み取るための手順は次のように定まる。手順１ではタイトルから母集団と調査時点を確認する。「Survey of 500 college students in 2022」のような記載から、割合の母数と時点を確定することで、数値の文脈が明確になる。母数が明記されていない場合は、本文中にN=の表記や”a total of X respondents”といった記述がないかを確認する。手順２では各セグメントのラベルと割合を確認する。最大セグメントと最小セグメントを特定し、それらの割合の差を把握することで、構成比の特徴を迅速に整理できる。割合が合計100%になるか（四捨五入の影響で99%や101%になることもある）、「Other」カテゴリの割合が大きすぎないかも確認すべき点である。手順３では複数の円グラフが並置されている場合、母数の違いに注意して比較する。「2015年と2020年の比較」で割合が同じ30%であっても、母数が1,000人から2,000人に増えていれば実数は300人から600人に倍増しており、割合だけの比較では変化を見落とすことになる。複合グラフでは各データ系列が対応する軸を特定し、系列ごとに読み取りを分離することで、異なるスケールの値を混同する誤りを防ぐ。
例１: A pie chart titled “Preferred Modes of Transportation (N=1,200)” showing Car 45%, Train 30%, Bus 15%, Bicycle 10%.
→ 母数1,200人に対する割合。Carが最大で540人、Bicycleが最小で120人と実数を算出できる。割合の合計は100%で整合。
→ 設問で「most popular」と問われた場合、45%のCarが正答。ただし「most popular among young people」のように条件が付加されている場合は、この円グラフの母集団が条件と一致するか確認が必要。
例２: Two pie charts comparing energy sources in Country X: “2010 (Total: 500 TWh)” and “2020 (Total: 800 TWh)” where renewable energy is 10% in 2010 and 15% in 2020.
→ 割合は10%→15%で5ポイント増加だが、実数は50 TWh→120 TWhで2.4倍に増加。この種の設問では、割合の変化を問う選択肢と実数の変化を問う選択肢が混在することが多い。
→ 「renewable energy more than doubled」という本文の記述は、割合だけ見ると判断できないが、実数で検証すると正確である。割合の小幅な増加と実数の大幅な増加は、母数の増大によって同時に成立する。
例３: A combination of a bar graph and a line graph on the same axes, where bars show “total sales” and the line shows “growth rate.”
→ 棒グラフの値が増加していても、折れ線（成長率）が下降している場合がある。これは「売上は増えているが、増加のペースは鈍化している」ことを意味する。レベルの増加と変化率の減少は異なる概念であり、両者を区別して読み取ることが複合グラフの読解では不可欠である。
→ 「sales continued to grow」と「the growth rate declined」は矛盾しない。両方の情報を正確に区別する必要がある。
例４: A pie chart where one segment is labeled “Other 25%” without further breakdown.
→ 「Other」が最大セグメントである場合、個別カテゴリとしては他のどれよりも大きいかのように見えるが、実際は複数の小カテゴリの合算である。入試では「Other」を単一カテゴリとして扱わせる誤答選択肢が頻出する。
→ 設問で「the single largest category」と問われた場合、「Other」は単一カテゴリではないため正答にならない可能性がある。残りのセグメントがA: 22%, B: 20%, C: 18%, D: 15%であれば、Aが単一カテゴリとしては最大である。
以上により、円グラフ・複合グラフにおいて母数と割合の関係を正確に把握し、複数グラフの比較において実数と割合を区別した判断が可能になる。
３. 表の構造要素と読み取り手順
表形式のデータが入試問題に提示される場合、行と列の交差点にある数値を正確に読み取ること自体は難しくない。しかし、表の読み取りで実際に誤りが生じるのは、行見出し・列見出しの対応関係を取り違えたり、脚注に記載された条件を見落としたりする場合である。表はグラフと異なり視覚的な傾向把握が難しいため、数値を一つずつ確認し、行列の対応を正確に追跡する必要がある。
表の構造を正しく識別する能力によって、以下の能力が確立される。第一に、表のタイトル・行見出し・列見出し・単位・脚注・出典という六つの構造要素を体系的に確認できるようになる。第二に、任意のセルの数値が「何の」「何における」値であるかを正確に特定できるようになる。第三に、二段構成の列見出しや合計行・合計列を含む複雑な表構造を正確に読み取れるようになる。第四に、脚注に記載された条件や制限を把握し、数値の比較可能性を正しく判断できるようになる。
表の構造要素の識別は、前二つの記事のグラフの構造要素と併せて、後続の記事で扱う脚注・注釈の処理手順および図表の種類に応じた読み取り優先順位の設定の前提となる。
３.１. 表の構造要素の識別手順
行と列の二次元構造によって複数の項目間の数量的関係を体系的に示す形式が表である。「縦と横を見れば分かる」という理解は、表に含まれるタイトル・行見出し・列見出し・単位・脚注・出典という構造要素を体系的に確認する手順を含んでいない。各セルの数値は行見出しと列見出しの交差によってのみ意味が確定されるものとして認識される必要がある。この認識が重要なのは、行見出しと列見出しの対応を誤ると、まったく別の項目の数値を読み取ってしまうためである。グラフは視覚的に傾向を把握できる反面、正確な数値の読み取りには目盛りの補間が必要となるが、表は数値が明示されている反面、複数の行列が交差する構造の中で「どのセルを読むべきか」の判断が必要となる。入試問題で表が提示される場合、行見出しや列見出しが複数段に分かれていたり、合計行や合計列が追加されていたり、脚注で特定の数値に条件が付されていたりすることがあり、これらの構造的複雑さに対応する手順を身につけることが必要である。
上記の定義から、表を読み取る手順が論理的に導出される。手順１ではタイトルと出典を確認する。タイトルから「何についての表か」、出典から「いつの」「誰による」データかを把握することで、数値の信頼性と文脈が確定する。タイトルに含まれる単位表記（in thousands, per 100,000 population等）は数値の桁数に直接影響するため、ここでの見落としが全体の読み取りを狂わせる。手順２では行見出しと列見出しを確認する。最上行（header row）の各列が何を表しているか、最左列の各行が何を表しているかを特定することで、任意のセルの数値が「何の」「何における」値であるかを正確に読み取れる。列見出しが二段構成（例：上段が「Male」「Female」、下段が「2019」「2020」）の場合は、各列が「Male-2019」「Male-2020」「Female-2019」「Female-2020」のように複合的なラベルを持つことを認識し、読み取り対象のセルの位置を正確に特定する必要がある。手順３では脚注と単位表記を確認する。表の下部に記載されたアスタリスク（*）や注釈は、数値の解釈に重要な条件を含んでいることが多く、これを見落とすと数値の意味を誤って解釈する原因となる。「*Data for Country B includes only urban areas」のような脚注は、Country Bの数値を他国の全国データと同列に比較できないことを意味しており、この条件の見落としは選択肢の判断を誤らせる。
例１: A table titled “Population of Selected Countries (in thousands)” — the phrase “in thousands” means each number must be multiplied by 1,000.
→ 表中の「12,500」は12,500千人＝1,250万人を意味する。タイトル中の単位表記を見落とすと12,500人と誤読する。入試では選択肢を「12.5 million」のように異なる単位で表記し、表中の数値との換算を求めることがある。
→ 手順１の「タイトルと出典の確認」を機械的に実行していれば、この誤りは自動的に回避される。
例２: A table with “Country” as the row header and “2015 / 2020 / Change (%)” as column headers.
→ 「Change (%)」列はすでに計算済みの変化率であり、2015年と2020年の数値から自分で計算する必要はない。ただし、計算済みの変化率が四捨五入されている場合があるため、厳密な検証が必要な場合は元の数値から再計算することも有効である。
→ 設問が「which country showed the greatest percentage change」と問う場合、Change列を直接参照すればよい。
例３: A table with a footnote “*Data for Country B includes only urban areas.”
→ 脚注を見落とすと、Country Bの数値を他国と同列に比較してしまう。入試問題では、この脚注の存在に気づくかどうかが正答・誤答の分かれ目となるよう設計されていることが多い。
→ 「Country B has a lower population than Country C」という選択肢が、都市部のみのデータと全国データの比較である可能性に気づく必要がある。
例４: A table where column headers span two rows — the first row shows “Male” and “Female,” and the second row shows “2019” and “2020” under each.
→ 二段構成の列見出しでは、「Male-2019」「Male-2020」「Female-2019」「Female-2020」の四列を正確に区別する必要がある。二段構成は視覚的に列の位置を誤認しやすい構造であり、特に列数が多い場合は指やペンで追跡する物理的な作業が有効である。
→ 「Male in 2020」の数値を読み取る際、列の位置を一つずれると「Female in 2019」の数値を読んでしまう。行見出しと列見出しの交差を意識的に確認する手順を習慣化する必要がある。
以上により、表の構造要素を体系的に確認し、行見出し・列見出しの対応関係を正確に追跡して必要な数値を抽出することが可能になる。
４. 脚注・注釈・出典の処理手順
グラフや表の本体部分だけでなく、脚注（footnote）・注釈（note）・出典（source）にも解答に関わる重要な情報が含まれている場合がある。入試問題では、脚注に記載された条件を見落とした受験生が数値を無条件に比較してしまう誤りを利用した設問が作られることがあり、脚注・注釈・出典を体系的に確認する手順を独立して習得する必要がある。
脚注・注釈・出典を正確に処理する能力によって、以下の能力が確立される。第一に、図表の下部や周辺に記載された補足情報を見落とさず確認できるようになる。第二に、脚注が数値の比較可能性にどのような制限を課しているかを判断できるようになる。第三に、出典情報からデータの時点・調査主体・調査対象を確定し、数値の信頼性と適用範囲を把握できるようになる。
脚注・注釈・出典の処理手順は、前三つの記事で確立したグラフ・表の構造要素の識別と併せて、次の記事で扱う図表の種類に応じた読み取り優先順位の設定を支える。
４.１. 脚注・注釈・出典の確認手順と判断への反映
脚注や注釈はデータの付属情報として扱われがちであるが、入試問題においては脚注に記載された条件が選択肢の正誤判断を決定する場合がある。脚注・注釈・出典は「数値の意味を限定する条件」「データの適用範囲を規定する制約」「数値の信頼性を示す根拠」の三つの機能に分類される。この分類が重要なのは、脚注の機能によって選択肢の検証方法が異なるためである。条件を示す脚注は比較可能性に影響し、制約を示す脚注は一般化の妥当性に影響し、根拠を示す出典はデータの時点と範囲に影響する。脚注のアスタリスク（*）や上付き数字が本文中の特定の数値やラベルに付されている場合、その数値の解釈には脚注の内容を反映させなければならない。出典に記載された調査年と設問が問う時点が一致しているかの確認も、解答の正確性に直結する情報である。
この原理から、脚注・注釈・出典を処理する具体的な手順が導かれる。手順１では図表の下部・周辺を確認し、脚注・注釈・出典の有無を特定する。グラフや表の本体を確認した後、必ず図表の下部に目を移し、アスタリスク（*）、上付き数字（¹ ² ³）、“Note:”、“Source:“といった表記がないかを確認することで、補足情報の存在を把握できる。手順２では脚注の機能を特定する。脚注が「条件」（特定の数値に制限を付す）、「制約」（データ全体の適用範囲を規定する）、「根拠」（データの出所を示す）のいずれであるかを判断することで、脚注の内容をどのように解答に反映すべきかが定まる。条件型の脚注（例：”*Excludes part-time workers”）は特定のセルの数値に影響し、制約型の脚注（例：“Data covers urban areas only”）は表全体の解釈に影響し、根拠型の出典（例：“Source: Ministry of Education, 2021 Survey”）はデータの時点と信頼性に影響する。手順３では脚注の内容を選択肢の検証に反映する。脚注が特定の数値に条件を付している場合、その数値を他の数値と無条件に比較する選択肢は不正確である可能性が高いため、脚注の条件を考慮した上で比較の妥当性を判断する。
例１: A table with “*Estimated figures” next to two countries’ data.
→ 脚注機能：条件型。推定値（estimated）と確定値（actual）は精度が異なるため、両者を同列に比較する選択肢は慎重に評価する必要がある。推定値同士の比較は妥当だが、推定値と確定値の比較で微小な差を根拠にする選択肢は信頼性が低い。
→ 「Country A’s population exceeded Country B’s」という選択肢で、一方が推定値であれば、差が小さい場合は「確実に超えた」とは断定できない。
例２: A graph with “Source: National Bureau of Statistics, 2019” at the bottom.
→ 脚注機能：根拠型。データの時点は2019年であり、2022年の状況を問う設問に対してはこのデータが直接適用できない可能性がある。設問が「in recent years」と問う場合、2019年のデータが「recent」に該当するかは文脈次第である。
→ 出典の年度と設問の時間範囲の整合性を確認する。
例３: A table with “Note: Figures may not sum to 100% due to rounding.”
→ 脚注機能：制約型。割合の合計が99%や101%になっている場合でもデータの誤りではなく四捨五入の結果であることを示す。この脚注がある場合、「合計が100%にならないからデータに矛盾がある」という選択肢は不正確である。
→ 合計の不一致を問題にする選択肢は、この脚注によって否定される。
例４: A chart with “†Data for 2020 reflects the period January-September only.”
→ 脚注機能：条件型。2020年のデータが1月から9月までの9か月分であり、他の年の12か月分と直接比較できないことを意味する。2020年の数値が他年より低く見えても、期間が短いことが原因である可能性がある。
→ 「The value decreased in 2020」という選択肢は、期間の違いを考慮すると正確とは断定できない。年間換算すれば増加している可能性がある。
以上により、脚注・注釈・出典の三つの機能を区別し、その内容を選択肢の検証に正確に反映することが可能になる。
５. 図表の種類に応じた読み取り優先順位
入試問題で提示される図表は棒グラフ・折れ線グラフ・円グラフ・表など多様であり、設問によって求められる読み取りの焦点も異なる。図表の種類を素早く判別し、それぞれに適した読み取り順序を適用できる能力は、限られた試験時間の中で正確な情報抽出を行う上で不可欠である。棒グラフでは「比較」、折れ線グラフでは「変化の傾向」、円グラフでは「構成比」、表では「特定の数値の抽出」がそれぞれ主たる読み取り目標となる。この違いを意識せずに図表に取り組むと、設問が求めていない情報に時間を費やし、必要な情報の抽出が遅れる結果となる。
図表の種類を判別して読み取り焦点を設定する能力によって、以下の能力が確立される。第一に、図表が提示された瞬間にその種類を判別し、読み取り焦点を自動的に設定できるようになる。第二に、設問の要求と図表の種類を照合し、効率的な情報抽出の順序を決定できるようになる。第三に、不要な情報の処理を省略し、試験時間を有効に活用できるようになる。
図表の種類別の読み取り焦点は、意味層での数値と英語表現の対応、語用層での設問意図の把握と併せて、図表問題の解答手順の基盤を形成する。
５.１. 図表の種類別読み取り焦点と設問対応
各図表形式には特定の情報提示目的がある。棒グラフは項目間の量的比較、折れ線グラフは時間的変化の傾向、円グラフは全体に対する構成比、表は複数変数の正確な数値をそれぞれ最も効果的に伝える形式として設計されている。「数値を拾う」という一律の読み取り方では、図表の種類によって読み取るべき情報の性質が異なるという点を見落とす。この違いを認識し、図表の種類に応じて読み取り焦点を切り替えることが、設問への対応速度と正確性を同時に向上させる。入試問題では、一つの大問内に複数の図表（たとえば折れ線グラフと表の組み合わせ）が提示されることもあり、各図表の種類を判別してそれぞれに適した焦点で読み取る必要がある。さらに、同じ種類の図表であっても設問によって焦点が変わることがある。たとえば棒グラフに対して「最大の項目はどれか」（比較焦点）と「何年に最も大きな変化があったか」（変化焦点）では、読み取る情報が異なる。設問のキーワードと図表の種類の両方から焦点を確定する手順が必要である。
では、図表の種類を判別して読み取り焦点を設定するにはどうすればよいか。手順１では図表の種類を判別する。棒グラフ（bar graph）・折れ線グラフ（line graph）・円グラフ（pie chart）・表（table）のいずれであるかを視覚的に判別することで、読み取り焦点の第一候補が自動的に定まる。棒グラフなら「比較」、折れ線なら「傾向」、円グラフなら「構成比」、表なら「交差値」を第一候補とする。手順２では設問のキーワードから読み取り焦点を修正する。設問中のthe largest（最大値の特定）、increased（変化の方向）、percentage（割合）、between A and B（期間の限定）といったキーワードによって、第一候補の焦点を維持するか修正するかを決定する。棒グラフであっても「which year showed the greatest change」と問われれば、比較焦点から変化焦点に切り替える必要がある。手順３では設定した焦点に基づいて必要な情報のみを抽出する。焦点外の情報（たとえば比較焦点なら変化の傾向、構成比焦点なら経年変化）は意識的に無視することで、処理時間を短縮できる。ただし、消去法が必要な否定選択型の設問では、全選択肢を検証するために焦点外の情報にも触れる必要がある場合がある。
例１: A bar graph showing test scores of five classes — the question asks “Which class had the highest average score?”
→ 図表種類：棒グラフ → 第一候補：項目間の比較。設問キーワード：“highest” → 比較焦点を維持。
→ 最も高い棒を特定する。各棒の高さを縦軸の目盛りと照合し、数値で確認してから正答を選択する。棒の高さが僅差の場合、視覚的な印象ではなく数値での確認が不可欠である。
例２: A line graph showing monthly rainfall — the question asks “During which period did rainfall decrease most rapidly?”
→ 図表種類：折れ線グラフ → 第一候補：変化の傾向。設問キーワード：“decrease most rapidly” → 変化焦点を維持しつつ、下降傾向の区間に限定。
→ 「most rapidly」は変化の速度を問うため、折れ線の傾きが最も急な下降区間を視覚的に特定し、数値で検証する。二つの区間で傾きが似ている場合、各区間の変化量と期間の比率を計算して厳密に比較する。
例３: A pie chart showing budget allocation — the question asks “What percentage of the budget was spent on education?”
→ 図表種類：円グラフ → 第一候補：構成比。設問キーワード：“What percentage” → 構成比焦点を維持。
→ 「education」のセグメントの割合を読み取る。セグメントのラベルと%を確認し、該当する選択肢を選ぶ。
例４: A table showing export values by country and year — the question asks “Which country’s exports exceeded $10 billion in 2020?”
→ 図表種類：表 → 第一候補：交差値の抽出。設問キーワード：“exceeded $10 billion in 2020” → 2020年の列で特定の閾値を超える行を探す。
→ 単位が「in millions」であれば10,000が$10 billionに相当する点に注意する。表中の数値と設問の数値の単位が異なる場合は、単位の変換を行ってから照合する。
以上により、図表の種類を判別して適切な読み取り焦点を設定し、設問の要求に応じて効率的に情報を抽出することが可能になる。
意味：図表中の数値・傾向の言語化
統語層で確立した図表の構造要素の識別手順を前提として、意味層では読み取った数値や傾向を英語で正確に表現する能力を扱う。図表問題の選択肢は、図表の情報を英語で言い換えた文として提示されることが多い。グラフで「右肩上がり」の傾向を読み取れたとしても、それが選択肢中のincreased、rose、grew、went upのどの表現に対応するか、あるいはsignificantly、slightly、steadilyといった程度を表す副詞が図表の実際の変化量と整合するかを判断できなければ、正答を選べない。数値の読み取りは統語層で完了しているはずだが、読み取った数値と選択肢の英語表現を正確に結びつけられなければ、情報の伝達が途切れる。意味層を終えると、増減・比較・割合・時間を表す英語表現の体系を把握し、図表の数値と選択肢の記述の整合性を検証できるようになる。統語層で確認した構造要素の知識を前提とし、増減・比較・割合を表す定型表現の体系、倍数表現と割合表現の使い分け、時間表現と図表上の区間の正確な対応、概数表現の許容範囲の判断を扱う。意味層の能力は、語用層で選択肢の言い換えパターンを識別する際の基盤となる。
【関連項目】
[基盤 M22-意味]
└ 図表中の専門語の語義処理方法を確認する
[基盤 M25-意味]
└ 図表の文脈情報を活用した語義推測を理解する
１. 増減・変化を表す表現と数値の対応
英語の入試問題では、グラフに示された数値の変化を選択肢の英文と照合する作業が頻繁に求められる。「増加した」という情報一つをとっても、increased、rose、grew、went up、climbed、surgedなど複数の表現が存在し、それぞれがニュアンスの異なる変化量を示唆する。数値の変化を英語表現と正確に対応させる能力がなければ、図表の読み取りが正確であっても、選択肢の判断段階で誤りが生じる。変化の方向（増加・減少・横ばい）と変化の程度（急激・緩やか・わずか）の二つの軸で表現を整理することが、図表問題の選択肢判断で安定した正答率を確保する前提となる。
増減を英語で正確に表現する能力によって、以下の能力が確立される。第一に、上昇・下降・横ばいの三つの方向を示す英語表現群を体系的に把握し、図表の数値変化と即座に対応させられるようになる。第二に、変化の程度を表す副詞（sharply、gradually、slightly等）と実際の変化量の対応関係を判断できるようになる。第三に、方向と程度の組み合わせにおける不一致を検出し、誤答選択肢を排除できるようになる。
増減の表現体系は、次の記事で扱う比較・割合の表現と併せて、意味層全体の基盤を形成する。
１.１. 変化の方向と程度を表す表現体系
一般に増減の表現は「increase＝増える、decrease＝減る」と理解されがちである。しかし、この理解はsurgeとincrease slightlyの間にある変化の程度の違いを説明できないという点で不正確である。学術的・本質的には、図表における数値変化の言語化は「方向」（上昇・下降・横ばい）と「程度」（急激・緩やか・わずか）の二つのパラメータの組み合わせとして定義されるべきものである。この定義が重要なのは、入試の選択肢ではこの二つのパラメータの一方または両方を操作することで誤答選択肢が作られるためである。方向が正しくても程度が不正確であれば誤答であり、逆に程度が正しくても方向が逆であれば当然誤答である。この二重の検証を体系的に行う手順が、変化の表現と数値の対応における正確性を担保する。方向については、上昇（increase, rise, grow, go up, climb, surge, soar）、下降（decrease, decline, fall, drop, plunge, plummet）、横ばい（remain stable, stay constant, level off, plateau, hold steady）の三群に整理される。程度については、急激（sharply, dramatically, significantly, substantially, remarkably）、緩やか（gradually, steadily, slowly, moderately）、わずか（slightly, marginally, modestly, minimally）の三段階に整理される。
この原理から、図表の数値変化を英語表現と対応させる具体的な手順が導かれる。手順１では変化の方向を確定する。図表から数値が上昇しているか、下降しているか、横ばいかを判断し、上昇ならincrease/rise/grow/go up、下降ならdecrease/decline/fall/drop、横ばいならremain stable/stay constant/level offの表現群に対応させることで、選択肢の絞り込みが可能になる。なお、上昇群の中でもsurge、soarは急激な上昇を含意し、climb、go upは比較的中立的な上昇を示す。同様に下降群でもplunge、plummetは急落を含意する。したがって、方向の確定だけでなく、各動詞が含意する程度も考慮に入れる必要がある。手順２では変化の程度を確定する。実際の変化量や変化率を数値で把握し、急激な変化にはsharply/dramatically/significantly/substantially、緩やかな変化にはgradually/steadily/slowly、わずかな変化にはslightly/marginallyを対応させることで、程度の不一致による誤答を回避できる。変化率が50%以上であればsignificantlyやdramaticallyが妥当であり、5%未満であればslightlyやmarginallyが妥当であるという目安を持つことが有効である。10%〜50%の範囲は文脈に依存するが、moderatelyやnoticeablyが使われることが多い。手順３では方向と程度の組み合わせを選択肢と照合する。「increased slightly」（わずかに増加）と「rose sharply」（急増）は方向は同じでも程度が異なるため、図表の実際の変化量と照合して適切な方を選択する。
例１: A graph shows sales rising from 100 to 250 over five years — the choice says “Sales increased dramatically.”
→ 方向：上昇（increased ✓）。程度：150%の増加はdramaticallyに該当する（✓）。元の値に対して2.5倍の増加は「劇的な」変化と評価するに十分である。
→ 対応結果：方向・程度ともに一致。選択肢は正確。
例２: A graph shows temperature changing from 20.1°C to 20.4°C — the choice says “Temperature rose significantly.”
→ 方向：上昇（rose ✓）。程度：0.3°Cの変化はsignificantlyとは言えない。元の値に対して約1.5%の変化であり、slightlyが適切。ただし気候変動の文脈では0.3°Cが「significant」と評価される場合もあり、分野固有の基準が存在する。入試問題では日常的な尺度での評価が求められることが多い。
→ 対応結果：方向は一致するが程度が不一致。選択肢は不正確。
例３: A graph shows a value going from 500 to 480 to 510 — the choice says “The value remained relatively stable.”
→ 方向：一時的な下降後に回復しており、全体としては横ばいに近い。500→510の変化率は2%であり、わずかな変化に相当する。
→ remained relatively stableは全体的な傾向としてはおおむね正確。relatively（比較的）がstableを修飾しており、完全な安定ではなく「おおむね安定」を意味する。remained constantとは異なり、小幅な変動を許容する表現である。
例４: A graph shows exports declining from 800 to 200 over three years — the choice says “Exports fell slightly.”
→ 方向：下降（fell ✓）。程度：75%の減少はslightlyではなくdramatically/sharplyが適切。800から200への下降は元の値の4分の1への縮小であり、「わずかに」とは到底評価できない。
→ 対応結果：方向は一致するが程度が大幅に不一致。選択肢は不正確。この種の「方向は正しいが程度が極端に異なる」選択肢は、方向だけで即断する受験生を誤答に誘導する典型的なパターンである。
以上により、図表の数値変化を方向と程度の二つのパラメータで分析し、英語表現との対応を正確に判断することが可能になる。
２. 比較・割合を表す表現と数値の対応
図表問題の選択肢では、二つ以上の項目の数値を比較した記述や、全体に対する割合を述べた記述が頻出する。「AはBより多い」「AはBの２倍である」「Aは全体の30%を占める」といった表現が、図表のデータと整合するかを判断するためには、比較表現・倍数表現・割合表現の正確な理解が必要である。特にmore than、less than、as…as、account for、make upといった表現が実際の数値とどう対応するかを把握することが、比較・割合に関する設問での正答率を左右する。
比較・割合の表現を正確に判断する能力によって、以下の能力が確立される。第一に、差の表現・倍数の表現・割合の表現の三つの類型を区別できるようになる。第二に、各類型に応じて図表から参照すべき数値（差なら二値の大小、倍数なら二値の比率、割合なら値と全体の比率）を正確に特定できるようになる。第三に、表現の厳密さ（more than double vs. nearly double等）と数値の整合性を検証できるようになる。
比較・割合の表現体系は、前の記事の増減表現と併せて、図表問題における英語表現全般の判断力を形成する。
２.１. 比較表現・倍数表現・割合表現の体系
比較の表現には二つの捉え方がある。一つは「AはBより大きい」のような差に注目する見方であり、もう一つは「AはBの何倍か」のような比率に注目する見方である。これにもう一つ、「Aは全体の何%を占めるか」という割合の見方を加えると、図表問題で使用される比較表現は三つの類型に整理される。差の表現（A is higher/lower than B、A exceeds B）、倍数の表現（A is twice/three times as large as B、A is double/triple the size of B）、割合の表現（A accounts for X% of the total、A makes up X% of the total、A represents X%）の三つである。この整理が重要なのは、入試の選択肢ではこの三つの類型を混同させることで誤答を誘導する設問が多いためである。たとえば、差の表現を倍数の表現に読み替えさせる（「AがBより200多い」を「AはBの2倍」と誤認させる）パターンや、割合と実数を混同させる（「割合が最大」を「実数が最大」と誤認させる）パターンが頻出する。
この原理から、比較・割合の表現を図表の数値と対応させる具体的な手順が導かれる。手順１では選択肢の比較表現の類型を特定する。「A is larger than B」は差の表現、「A is twice as large as B」は倍数の表現、「A accounts for 30%」は割合の表現であると特定することで、図表のどの数値を確認すべきかが定まる。類型の特定を誤ると、検証に使う計算方法自体が間違うため、この最初のステップが極めて重要である。手順２では図表から対応する数値を抽出する。差の表現なら二つの値の大小関係を、倍数の表現なら二つの値の比率を、割合の表現なら特定の値と全体の比率を図表から算出することで、選択肢の記述と数値を照合できる。算出時には単位の統一を確認する（一方が千人単位、他方が万人単位の場合は換算が必要）。手順３では表現の厳密さと数値の整合性を検証する。「more than double」（２倍以上）と「nearly double」（ほぼ２倍）は数値範囲が異なるため、実際の比率が2.1倍であれば前者は正確だが後者はやや不正確であるというように、表現の厳密さに注意して判断する。about、approximately、roughly、nearly、almost、over、more than、less thanといった修飾語が数値範囲をどう限定するかを正確に把握する必要がある。
例１: A table shows Country A: 600, Country B: 300 — the choice says “Country A’s value is twice as large as Country B’s.”
→ 倍数表現：600 ÷ 300 = 2.0倍。「twice as large as」は正確に2倍を意味する。
→ 数値と表現が正確に一致。選択肢は正確。なお、「more than twice」であれば2.0倍では不正確となり、数値の境界値での判断が求められる場合がある。
例２: A pie chart shows Category X: 35%, Category Y: 28% — the choice says “Category X accounts for more than one-third of the total.”
→ 割合表現：one-third = 33.3%。35% > 33.3%であるため「more than one-third」は正確。分数表現（one-third、one-quarter、one-fifth等）と百分率の換算は図表問題で頻出する。
→ 「about one-third」なら35%はone-thirdからの乖離が約1.7ポイントであり、aboutの許容範囲内として正確と判断できる。「less than one-third」なら不正確。
例３: A bar graph shows 2019: 450, 2020: 430 — the choice says “The value in 2020 was significantly lower than in 2019.”
→ 差の表現：450 – 430 = 20の差。450に対して約4.4%の減少。significantlyは通常大きな差を示唆する。
→ 4.4%の減少にsignificantlyは不適切。「slightly lower」が適切。「marginally lower」「somewhat lower」も妥当な候補である。
例４: A table shows Total: 2,000, Item A: 150 — the choice says “Item A makes up less than 10% of the total.”
→ 割合表現：150 ÷ 2,000 = 7.5%。7.5% < 10%であるため「less than 10%」は正確。
→ 「about 10%」は7.5%と10%の差が2.5ポイントあるため不正確。「less than 5%」も7.5% > 5%であるため不正確。割合の検証では、概数表現の許容範囲を意識して判断する必要がある。
以上により、比較・倍数・割合の三つの表現類型を区別し、図表の数値と英語表現の整合性を正確に検証することが可能になる。
３. 変化の時点・期間を表す表現と数値の対応
図表問題では、数値の変化が「いつ」起きたかを正確に特定することも重要な読み取り技術である。between 2015 and 2020、from 2018 to 2022、during the period、over the past decadeといった時間表現が、図表上のどの区間に対応するかを正確に判断できなければ、変化の傾向を見誤る結果となる。特に折れ線グラフでは、全体的には増加傾向であっても特定の期間に限れば減少している場合があり、時間表現の対応を誤ると選択肢の判断を逆にしてしまう。
時間表現と図表上の区間を対応させる能力によって、以下の能力が確立される。第一に、時間表現の三つの類型（起点と終点の明示・区間の指定・基準時点からの経過）を区別できるようになる。第二に、選択肢中の時間表現が指定する区間を図表上で正確に特定し、その区間内に限定して変化を読み取れるようになる。第三に、全体の傾向と特定区間の傾向が異なる場合に、設問が求めている区間を正確に把握して判断できるようになる。
時間表現の識別は、前二つの記事で扱った増減表現・比較表現と組み合わせることで、図表問題の選択肢判断に必要な表現知識を完成させる。
３.１. 時間表現と図表上の区間の対応
一般に時間の表現は「from A to B＝AからBまで」と理解されがちである。しかし、この理解はbetween A and B、during the period from A to B、over the years A to Bといった類似表現の間にある微妙な区間指定の違いを区別できないという点で不正確である。学術的・本質的には、図表問題における時間表現は「起点と終点の明示」（from A to B）、「区間の指定」（between A and B / during A-B）、「基準時点からの経過」（over the past X years / since A）の三つの類型として整理されるべきものである。この定義が重要なのは、設問が指定する期間と異なる区間の変化を読み取ると、方向の判断そのものを誤る可能性があるためである。全体では増加傾向のデータであっても、2016年から2017年に限ればわずかに減少しているという状況は頻出し、設問が「between 2016 and 2017」を指定している場合、全体の増加傾向に引きずられて選択肢を選ぶと誤答となる。また、「over the past decade」のような表現では基準時点が「現在」であるが、グラフの最新データが現在時点と一致しているかの確認も必要である。「since 2015」は2015年を含む（2015年から現在まで）のに対し、「after 2015」は2015年を含まない（2015年より後）という違いにも注意が必要である。
この原理から、時間表現を図表上の区間と正確に対応させる具体的な手順が導かれる。手順１では選択肢中の時間表現を特定し、起点と終点を確定する。from 2015 to 2020なら横軸の2015と2020の位置を特定することで、読み取るべき区間が視覚的に限定される。between A and Bの場合はAとBの両端を含む区間、during the periodは指定された期間全体、since Aは指定時点から最新データまでの区間として解釈する。手順２では指定区間内の変化を読み取る。起点の値と終点の値を確認し、その間の変化の方向と程度を判断することで、選択肢の記述との照合が可能になる。区間内に中間データポイントがある場合は、起点から終点への全体的な変化だけでなく、区間内の変動パターン（一貫した変化か、途中で方向が変わるか）も確認する必要がある。設問がsteadily（一貫して）やconsistently（常に）といった表現を含む場合、途中の逆行が一度でもあればその選択肢は不正確となる。手順３では区間外の変化に惑わされないよう注意する。全体では増加傾向でも、指定区間内に限れば減少している場合、選択肢は区間内の減少を記述していることがあり、全体傾向と混同すると誤答につながる。
例１: A line graph shows values: 2015=100, 2016=120, 2017=110, 2018=130, 2019=125, 2020=150. The choice says “Between 2016 and 2017, the value decreased.”
→ 区間：2016（120）→ 2017（110）。減少している（-10）。
→ 全体では2015-2020で100→150の増加傾向だが、指定区間では減少。選択肢は正確。
例２: The choice says “Over the period from 2015 to 2020, the value showed a consistent increase.”
→ 区間：2015（100）→ 2020（150）。全体では増加だが、2016→2017で120→110（減少）、2018→2019で130→125（減少）と、二箇所で一時的な減少がある。
→ 「consistent increase」（一貫した増加）は途中に減少があるため不正確。「overall increase」（全体的な増加）なら正確。consistentlyとoverallの違いは入試で頻出する判断ポイントである。
例３: The choice says “Since 2018, the value has risen by more than 15%.”
→ 起点：2018（130）、現在点：2020（150）。増加量 = 20、増加率 = 20/130 ≈ 15.4%。
→ 「more than 15%」は15.4% > 15%であるため正確。
例４: The choice says “During the first three years, the value fluctuated.”
→ 「first three years」= 2015, 2016, 2017。値：100→120→110。増加後に減少。
→ fluctuated（変動した）は上下動を意味するため、この記述は正確。
以上により、時間表現の類型を区別し、図表上の正確な区間を特定して変化の傾向を判断することが可能になる。
４. 概数表現・修飾語と数値の許容範囲
図表問題の選択肢では、図表の正確な数値がそのまま記載されることは少なく、about、approximately、nearly、almost、roughly、over、more than、less thanといった概数表現や修飾語を伴って提示されることが多い。これらの表現が実際の数値とどの程度の乖離を許容するかを判断できなければ、正確な数値を読み取っていても選択肢の正誤判断を誤る結果となる。概数表現の許容範囲は表現ごとに異なり、この違いを体系的に把握することが、図表問題の選択肢判断における最終的な精度を決定する。
概数表現の許容範囲を判断する能力によって、以下の能力が確立される。第一に、各概数表現が許容する数値範囲を把握し、図表の実際の数値との整合性を判断できるようになる。第二に、厳密な数値指定（exactly、precisely）と概数表現の区別を正確に行い、検証の精度を適切に調整できるようになる。第三に、概数表現の許容範囲の違いを利用して誤答選択肢を排除できるようになる。
概数表現の判断は、前三つの記事で学んだ増減・比較・時間の表現体系を補完し、意味層の能力全体を完成させる。
４.１. 概数表現の許容範囲と検証手順
概数表現は「だいたい合っていればよい」と理解されがちである。しかし、この理解はaboutとnearlyの間、overとmore thanの間にある数値範囲の違いを区別できないという点で不正確である。学術的・本質的には、概数表現は「中心値からの対称的な許容」（about / approximately / roughly）、「上方からの接近」（nearly / almost / close to）、「下限の明示」（over / more than / exceeding）、「上限の明示」（less than / under / below）の四つの類型として整理されるべきものである。この整理が重要なのは、入試の選択肢では数値が概数で表現される場合に、概数表現の許容範囲のわずかな違いが正答と誤答を分けるためである。たとえば実際の値が47%のとき、「about 50%」は許容範囲内（50%からの乖離が3ポイント）と判断されうるが、「nearly 50%」も許容される一方、「over 50%」は47% < 50%であるため不正確となる。また、「approximately half」と「more than half」では、前者は50%付近の値を許容するが、後者は50%を超える値のみを許容するという決定的な違いがある。分数表現（one-third、one-quarter、three-quarters等）と百分率の換算も頻出するため、主要な分数の百分率換算（1/3 ≈ 33.3%、1/4 = 25%、3/4 = 75%、2/5 = 40%）を即座に行える準備が必要である。
この原理から、概数表現と数値の整合性を検証する具体的な手順が導かれる。手順１では選択肢中の概数表現の類型を特定する。about/approximately（対称許容）、nearly/almost（上方接近）、over/more than（下限明示）、less than/under（上限明示）のいずれであるかを特定することで、数値との照合基準が定まる。手順２では概数表現の基準値と実際の数値の差を算出する。aboutなら基準値±10%程度、nearlyなら基準値の90〜99%程度、overなら基準値を超えているかどうか、less thanなら基準値未満かどうかを確認することで、表現と数値の整合性が判断できる。具体的にはabout 50%は概ね45%〜55%の範囲を許容するが、about 10%は概ね8%〜12%程度の範囲となり、基準値が小さいほど許容範囲もポイント数としては狭くなる。手順３では境界値の場合は慎重に判断する。実際の値がmore thanの基準値とちょうど同じ（たとえばmore than 50%で値が50.0%）の場合、more thanは厳密には「超える」を意味するため50.0%は含まれない可能性がある。このような境界ケースでは、他の選択肢との比較で最も正確なものを選ぶという消去法的な判断が有効である。
例１: Actual value: 48%. Choice A: “about half” / Choice B: “more than half” / Choice C: “nearly half”
→ about half（約半分）：48%は50%から2ポイントの差であり、aboutの許容範囲内。正確。
→ more than half（半分以上）：48% < 50%であるため、50%を超えていない。不正確。
→ nearly half（ほぼ半分）：48%は50%に近い値であり、nearlyの範囲内。正確。
→ 判定：AとCは正確、Bは不正確。設問がこの三つから一つを選ぶ場合、Bが誤答として排除される。
例２: Actual value: 72%. Choice: “approximately three-quarters”
→ three-quarters = 75%。72%と75%の差は3ポイント。approximatelyは±5%程度の許容を持つため、3ポイントの差は許容範囲内。
→ 選択肢は正確。ただし「exactly three-quarters」であれば72% ≠ 75%であるため不正確。
例３: Actual value: 51.2%. Choice A: “more than half” / Choice B: “about half”
→ more than half：51.2% > 50%であるため正確。
→ about half：51.2%は50%から1.2ポイントの差であり、aboutの範囲内。正確。
→ 両方とも正確だが、設問が「most accurate」を求める場合、51.2%は50%を明確に超えているため「more than half」のほうがより正確な記述である。「about half」は50%に近いことを強調する表現であり、50%を超えている事実を伝える力がmore thanより弱い。
例４: Actual value: 33%. Choice: “less than one-third”
→ one-third ≈ 33.3%。33% < 33.3%であるため「less than one-third」は厳密には正確。しかし差は0.3ポイントのみであり、実質的にはone-thirdとほぼ等しい。
→ 選択肢は技術的には正確だが、「approximately one-third」のほうが実態をより正確に伝える。設問が「Which is true?」であれば「less than one-third」は正答となりうる。「nearly one-third」も正確であるため、選択肢の中で最も情報量の多いものを選ぶ判断が求められる。
以上により、概数表現の四つの類型を区別し、各表現の許容範囲に基づいて図表の数値との整合性を正確に判断することが可能になる。
語用：設問の意図と解答要件の把握
統語層で図表の構造要素を識別し、意味層で数値変化や比較を英語表現と対応させる技術を確立した。しかし、図表問題で実際に正答を選ぶためには、設問が「何を根拠に」「どの情報源から」解答を求めているかを正確に把握する能力がさらに必要となる。図表を含む入試問題では、「図表から読み取れること」「本文の内容と一致するもの」「図表と本文の両方から判断できること」など、解答に必要な情報源を限定する設問形式が多く、設問の指示を見落としたり誤解したりすると、図表の読み取りと英語表現の対応が正確であっても、求められていない情報源に基づいて解答してしまい失点する。語用層を終えると、設問文に含まれる情報源指定表現を体系的に識別し、指定された情報源の範囲内で選択肢を検証できるようになる。統語層・意味層の能力を前提とし、設問の情報源指定の識別、選択肢の言い換えパターンの判別、設問形式に応じた解答手順の確立を扱う。語用層の能力がなければ、談話層で本文と図表を統合的に処理する際に、設問が求めていない方法で情報を統合してしまう誤りが生じる。
【関連項目】
[基盤 M41-語用]
└ 図表データに基づく意見表明の方法を把握する
[基盤 M44-語用]
└ 図表中の談話標識（note, source等）の機能を確認する
１. 設問の情報源指定の識別
図表問題の設問には、解答の根拠となる情報源を指定する表現が含まれている。この指定を正確に読み取れるかどうかが、正答率を直接的に左右する。「According to the graph」「Based on the passage」「According to both the graph and the passage」といった指示は、それぞれ図表のみ、本文のみ、両方という異なる情報源を指定しており、指定された情報源以外から根拠を持ち出すと誤答となる。設問文の冒頭に配置されることが多いこの指定表現を確実に識別する手順を確立することが、図表問題の正答率を安定させる第一歩である。
情報源指定表現を識別する能力によって、以下の能力が確立される。第一に、設問文を読んだ瞬間に解答の探索範囲（図表のみ・本文のみ・両方）を確定できるようになる。第二に、情報源の混同による失点を機械的に防止できるようになる。第三に、指定表現がない場合でも、選択肢の内容から参照すべき情報源を推定できるようになる。
情報源指定の識別は、次の記事で扱う選択肢の言い換えパターン識別の前提となる。
１.１. 情報源指定表現の体系と判断手順
情報源指定表現とは何か。設問文の冒頭に配置される「According to the graph」「Based on the passage」といった句は、解答に使用してよい情報の範囲を限定する機能を持つ。設問文は「情報源指定」（どこから根拠を得るか）と「問いの内容」（何を答えるか）の二つの構成要素から成り立っており、情報源指定が解答の探索範囲を限定する機能を持つ。この構造の理解が重要なのは、問いの内容に正しく答えていても、情報源指定に違反していれば誤答となるためである。図表のデータで裏付けられる選択肢であっても、設問が「Based on the passage」と指定していれば、本文中に対応する記述がなければ正答とはならない。逆に、本文の記述と一致する選択肢であっても、設問が「According to the graph」と指定していれば、図表のデータで確認できなければ正答とはならない。この原則は単純に見えるが、試験本番で時間的圧力がかかる状況では見落としやすく、情報源指定の確認を「手順１」として最初に機械的に実行する習慣が不可欠である。
以上の原理を踏まえると、設問の情報源指定を識別するための手順は次のように定まる。手順１では設問文の冒頭を確認する。According to the graph/chart/table、Based on the passage/text、According to both the graph and the passageといった指定表現は設問文の冒頭に配置されることが多く、これを最初に特定することで解答の探索範囲が確定する。指定表現は前置詞句（according to、based on）で始まることがほとんどであり、設問文の主語の前に位置する副詞的修飾要素として機能する。手順２では指定された情報源に基づいて選択肢を検証する。図表のみが指定されている場合は本文の情報で選択肢を正当化してはならず、本文のみが指定されている場合は図表の数値を直接の根拠にしてはならないという制約を守ることで、情報源の混同による誤答を防げる。この制約は特に「本文と図表で異なる結論が導ける」状況で決定的に重要となる。手順３では指定表現がない場合の処理を決定する。明示的な情報源指定がない場合は、選択肢の内容から判断して図表・本文のいずれか、または両方を参照する必要があるかを特定する。数値に関する選択肢は図表を、著者の意見や主張に関する選択肢は本文を優先的に参照する。also、in addition、moreoverなどの接続表現で始まる選択肢は、複数の情報源を統合して判断する必要がある場合が多い。
例１: “According to the graph, which of the following is true?” — 選択肢に “The author argues that renewable energy will become dominant.”
→ 情報源指定：図表のみ。著者の主張は本文の情報であり、図表からは読み取れない。「the author argues」という表現自体が本文由来の情報を示すシグナルである。
→ この選択肢は情報源の不一致により不正解。図表の数値に基づく選択肢を探す。たとえば「Renewable energy increased from 10% to 25% over the period」のような数値ベースの記述が図表問題の正答候補となる。
例２: “Based on the passage, what is the main reason for the decline shown in the graph?”
→ 情報源指定：本文。図表には下降傾向が示されているが、その原因は本文中の記述から探す。設問中の「the decline shown in the graph」は図表の内容を参照しているが、問われているのは「the main reason」であり、因果関係は本文から抽出する。
→ 図表の数値自体を答えるのではなく、本文中の因果関係の記述を根拠とする。図表は問いの前提（何が下降したか）を示しているにすぎず、答えの根拠（なぜ下降したか）は本文にある。
例３: “According to both the passage and the table, which statement is correct?”
→ 情報源指定：両方。本文の記述と表の数値の両方と一致する選択肢のみが正答となる。この形式では、本文のみ一致する選択肢と表のみ一致する選択肢がそれぞれ誤答として配置されることが典型的である。
→ 検証は二段階で行う。まず本文と照合して一致する選択肢を絞り込み、次にその中から表の数値とも一致するものを特定する。片方の条件しか満たさない選択肢は消去する。
例４: “Which of the following can be inferred from the chart?” — “inferred”に注目。
→ 情報源指定：図表。ただしinferredは「推論できる」を意味するため、図表に直接記載されていない情報でも、図表の数値から論理的に導ける結論であれば正答となる。statedやshownとは異なり、inferredは明示的データからの一歩踏み込んだ判断を求める。
→ 「図表に明記されていること」だけでなく、「図表から論理的に導けること」も解答の対象に含まれる。ただし、図表にないデータを外部知識で補って推論することは許容されない。あくまで図表内のデータから論理的に導ける範囲での推論が対象である。
以上により、設問文の情報源指定表現を体系的に識別し、指定された情報源の範囲内で選択肢を検証することが可能になる。
２. 選択肢の言い換えパターンの識別
図表問題の選択肢は、図表や本文の情報をそのまま転記するのではなく、言い換え（paraphrase）を施した形で提示される。正答選択肢は図表の情報を正確に言い換えており、誤答選択肢は言い換えの過程で情報を歪めている。この言い換えのパターンを識別できるかどうかが、図表問題における選択肢判断の正確性を決定する。特に数値の表現変換（実数→割合、具体的数値→概数表現）、比較対象のすり替え、時間範囲の変更といったパターンが頻出し、これらを見抜く訓練が必要である。
選択肢の言い換えパターンを識別する能力によって、以下の能力が確立される。第一に、正答の言い換えと誤答の歪曲を体系的に区別できるようになる。第二に、選択肢の情報要素を分解し、方向・程度・範囲・対象の四つの観点で照合する手順を機械的に実行できるようになる。第三に、入試問題で頻出する歪曲パターン（程度のすり替え・倍数のすり替え・範囲の拡大縮小）を予め認識し、迅速に検出できるようになる。
言い換えパターンの識別は、前の記事の情報源指定と組み合わせて、次の記事で扱う設問形式別の解答手順を支える。
２.１. 正答の言い換えと誤答の歪曲の区別
選択肢の判断において、「本文や図表と同じことを言っているか」の確認だけでは不十分である。正答選択肢は原文や図表と「同じ表現」ではなく「同じ情報」を異なる表現で述べており、誤答選択肢は言い換えの過程で方向・程度・範囲・対象のいずれかを改変している。「表現が違う」という理由だけで選択肢を排除すると正答を見逃し、「表現が似ている」という理由だけで選択肢を選ぶと誤答に引っかかる。正答と誤答の区別は、表現の類似度ではなく情報の等価性に基づいて行われなければならない。入試問題の作成者は、正答選択肢を原文からできるだけ離れた表現に言い換え、誤答選択肢を原文に近い表現で記述することで、表現の類似度で判断する受験生を誤答に誘導する。この構造を理解していれば、表現の類似度に惑わされず、情報の等価性に基づいて判断する姿勢を維持できる。
上記の定義から、選択肢の言い換えパターンを判別する手順が論理的に導出される。手順１では選択肢の主要な情報要素を分解する。「何が」「どうなった」「どの程度」「いつ」という要素に分解することで、図表との照合ポイントが明確になる。分解が曖昧なまま照合を始めると、一部の要素は一致しているが他の要素が不一致であるという部分的な歪曲を見落としやすい。手順２では各情報要素を図表の対応するデータと照合する。方向（増減）、程度（急激・わずか）、範囲（全期間・特定期間）、対象（どの項目）の四つの観点で一つずつ整合性を確認することで、部分的な歪曲を検出できる。四つの観点すべてが一致する選択肢のみが正答候補であり、一つでも不一致があれば誤答として消去する。手順３では不一致が検出された場合、その不一致が言い換えの許容範囲内か歪曲かを判断する。「went up」を「increased」に言い換えることは許容される（同義語による言い換え）が、「increased slightly」を「increased dramatically」に変えることは歪曲である（程度の改変）。概数表現の許容範囲（about、approximately）と厳密な数値指定（exactly、precisely）の違いにも注意する。
例１: 図表で「Japan: 45%, China: 30%」→ 選択肢 “Japan’s share was larger than China’s.” → 正答の言い換え。
→ 45% > 30%であり、「larger than」は数値の大小関係を正確に言い換えている。具体的な百分率を比較表現に変換する正当な言い換えであり、情報の等価性が保たれている。
→ 要素分解：「何が」=Japan’s share、「どうなった」=was larger、「対象」=than China’s。全要素が図表と一致。
例２: 図表で「2018: 200, 2019: 210, 2020: 205」→ 選択肢 “The value increased steadily from 2018 to 2020.” → 誤答の歪曲。
→ 2019→2020で210→205と減少しているため、steadily（着実に）は不正確。overallではincreaseだが、steadilyの条件を満たさない。steadilyは途中に逆行がないことを含意する表現であり、一時的な減少でもsteadilyの条件は崩れる。
→ 歪曲ポイント：「程度」のすり替え（一時的な減少を無視してsteadilyと表現）。四つの観点のうち「方向」（increase）は全体としては正確だが、「程度」（steadily）が不正確であり、このような「方向は合っているが程度の修飾語が不正確」な選択肢は最も見落としやすい歪曲パターンである。
例３: 図表で「Total students: 5,000, Science majors: 1,500」→ 選択肢 “About one-third of the students majored in science.” → 正答の言い換え。
→ 1,500 ÷ 5,000 = 30%。one-third ≈ 33.3%。aboutがあるため30%はone-thirdの近似値として許容範囲内。aboutは厳密な一致ではなく概算的な一致を許容する修飾語であり、30%と33.3%の差（3.3ポイント）はaboutの許容範囲内と判断される。
→ 実数から割合への変換に概数表現を用いた正当な言い換え。ただし「exactly one-third」であれば30% ≠ 33.3%であるため不正確となる。
例４: 図表で「Country A exports: 800, Country B exports: 750」→ 選択肢 “Country B exported almost twice as much as Country A.” → 誤答の歪曲。
→ 750 ÷ 800 = 0.9375。「almost twice」（ほぼ２倍）には程遠く、実際はほぼ同量。almost twiceは1.8〜1.9倍程度を示唆する表現であり、0.9375倍との乖離は極めて大きい。
→ 歪曲ポイント：「倍数」のすり替え（ほぼ等量の関係を「ほぼ２倍」と表現）。四つの観点のうち「対象」（Country BとCountry A）は正確だが、「程度」（almost twice）が実際の比率と大幅に乖離している。
以上により、選択肢の情報要素を分解し、方向・程度・範囲・対象の四つの観点で図表と照合することで、正答の言い換えと誤答の歪曲を正確に区別することが可能になる。
３. 設問形式に応じた解答手順の確立
図表問題には「正しいものを選べ」「誤っているものを選べ」「図表から推論できることを選べ」「本文の内容を最もよく表すグラフを選べ」など、多様な設問形式が存在する。それぞれの形式によって解答に必要な思考プロセスが異なるため、設問形式を識別した上で適切な手順を適用する能力が求められる。特に「誤っているものを選べ」（NOT true / EXCEPT）の設問では、正しい選択肢を消去法で排除する手順が必要であり、「推論できること」を問う設問では図表に明記されていない情報を論理的に導く手順が求められる。
設問形式を識別して対応手順を切り替える能力によって、以下の能力が確立される。第一に、設問文のキーワードから設問形式を瞬時に判別できるようになる。第二に、形式に応じた検証方針を自動的に設定し、不要な思考プロセスを省略できるようになる。第三に、肯定選択型で「最初に見つけた正しい選択肢」に飛びつく誤りや、否定選択型で「正しい選択肢を正答と誤認する」誤りを回避できるようになる。
設問形式の識別は、前二つの記事で扱った情報源指定・言い換えパターンと統合されて、語用層の能力を完成させる。
３.１. 設問形式の分類と対応手順
設問への対応について、「選択肢を読んで正しそうなものを選ぶ」という方法では、設問形式によって「正しいものを選ぶ」と「誤っているものを選ぶ」で思考プロセスがまったく逆になるという事実に対応できない。図表問題の設問形式は「肯定選択型」（Which is true?）、「否定選択型」（Which is NOT true?）、「推論型」（What can be inferred?）、「照合型」（Which graph best represents…?）の四つの類型として整理される。この整理が重要なのは、設問形式を誤認すると正しい情報を持っていても解答手順を間違え、失点するためである。肯定選択型で正答を探す手順と否定選択型で誤りを探す手順は思考の方向が逆であり、同じ選択肢群に対して同じ検証作業をしていては、否定選択型で正しい選択肢を「これが答えだ」と選んでしまう誤りが生じる。推論型では「図表に書いてあること」と「図表から導けること」の区別が必要であり、照合型では「文章の情報をグラフの視覚的特徴に変換する」という独自の思考が求められる。各形式に固有の検証方針を事前に持っておくことで、試験中の判断速度と正確性が同時に向上する。
では、設問形式を識別して適切な解答手順を適用するにはどうすればよいか。手順１では設問文のキーワードを確認する。true/correct（肯定選択）、NOT true/EXCEPT/incorrect（否定選択）、inferred/concluded/suggested（推論）、best represents/matches（照合）の語句を特定することで、設問形式が確定する。NOTやEXCEPTは大文字で強調されていることが多いが、小文字で記載される場合もあるため、設問文全体を注意深く読む必要がある。手順２では設問形式に対応する検証方針を設定する。肯定選択型なら「図表と一致する選択肢を探す」、否定選択型なら「図表と一致する選択肢を消去し、残った一つを選ぶ」、推論型なら「図表に明記されていないが論理的に導ける結論を探す」、照合型なら「本文の記述と各グラフの特徴を照合する」という方針を設定する。否定選択型では、各選択肢の横に✓（一致）または✗（不一致）の印をつけていく作業が有効であり、✗が一つだけつく選択肢が正答となる。手順３では設定した方針に従って全選択肢を検証する。肯定選択型で「正しそうな選択肢」を一つ見つけた段階で即決するのではなく、残りの選択肢も検証して「より正確な選択肢」がないか確認する。特に「正しいが不正確」な選択肢と「正しくかつ正確」な選択肢が混在する場合があり、四つの観点（方向・程度・範囲・対象）での照合精度が判断を分ける。
例１: “Which of the following is true according to the graph?” — 肯定選択型。
→ 各選択肢を図表の数値と照合し、方向・程度・範囲・対象の全てが一致する選択肢を探す。一致する選択肢が見つかっても、他の選択肢が「より正確に」一致する可能性を排除するため、全選択肢を検証する。
→ 複数の選択肢が「おおむね正しい」場合、より厳密に一致するものを選ぶ。この判断では意味層で学んだ程度副詞の正確性が判断の分かれ目となる。
例２: “Which of the following is NOT supported by the data in the table?” — 否定選択型。
→ 各選択肢を表の数値と照合し、一致するものに✓印をつけて消去する。否定選択型では、正しい選択肢を見つけるたびに「これは消去対象」と明確に判断する思考の切り替えが必要である。
→ ✓がつかなかった選択肢（表のデータと一致しない選択肢）が正答。全選択肢を検証し終えて✗が一つだけであることを確認する。✗が二つ以上ある場合は検証に誤りがある可能性があるため再確認する。
例３: “What can be inferred from the graph?” — 推論型。
→ 図表に「明記されている」情報ではなく、数値の傾向から「論理的に導ける」結論を探す。推論の妥当性は「データの範囲内での合理的な結論」であるかどうかで判断する。
→ 例：2015-2020の毎年10%ずつ増加しているデータから「増加率が安定している」は妥当な推論。「2021年も同じペースで増加する」はデータの外挿であり、確実性は低いが傾向からの推論としては許容されうる。「2030年に現在の10倍になる」は過度な外挿であり不正確。推論の範囲は「データから一歩踏み出した結論」であり、「データから何歩も離れた予測」ではない。
例４: “Which graph best represents the trend described in the passage?” — 照合型。
→ 本文中の「gradually increased and then suddenly dropped」という記述を、各グラフの形状と照合する。gradually（緩やか）は緩い傾きの右肩上がり、suddenly dropped（急に下がった）は急な下降として視覚化される。
→ 「緩やかな増加→急激な下降」の形状を示すグラフを選択する。照合型では、本文の言語情報をグラフの視覚的特徴に「翻訳」する能力が求められるため、意味層で学んだ変化表現（gradually、suddenly、steadily等）のグラフ上での視覚的対応を理解しておく必要がある。
以上により、設問形式を正確に識別し、形式に応じた検証方針で選択肢を体系的に判断することが可能になる。
談話：図表情報と本文情報の統合的処理
統語層で図表の構造要素を識別し、意味層で数値と英語表現の対応を確立し、語用層で設問の意図と解答要件を把握する技術を習得した。談話層では、これらの能力を統合して、図表の情報と本文の情報を同時に処理し、両者の関係を正確に判断する能力を扱う。入試問題では、本文中の記述が図表のどのデータに対応するか、本文の主張が図表のデータによって支持されるか、図表にはあるが本文には言及されていない情報は何か、といった判断が求められる。談話層を終えると、本文中の図表参照箇所を手がかり表現から効率的に特定し、本文の主張と図表データの整合性を一致・矛盾・無関係の三類型で判別し、定性的情報と定量的情報を二段階で検証して統合判断を遂行できるようになる。語用層で確立した情報源指定の識別能力を前提とし、本文中の参照箇所の特定手順、主張とデータの整合性検証手順、複数情報源の統合判断手順を扱う。談話層の能力は、入試において図表と本文の両方が提示される問題で発揮され、後続のモジュールで学ぶ要約や長文読解における複数情報源の統合処理の出発点となる。
【関連項目】
[基盤 M54-談話]
└ 図表データが支持する論理展開パターンを理解する
[基盤 M55-談話]
└ 図表情報の要約手順を把握する
[基盤 M60-談話]
└ 図表と本文の統合的読解の方法を確認する
１. 本文中の図表参照箇所の特定
入試問題で本文と図表が同時に提示される場合、本文のすべての段落が図表に関連しているわけではない。本文には図表とは無関係な背景情報や著者の意見が含まれていることが多く、図表との照合が必要な箇所を正確に特定できなければ、不要な情報の処理に時間を浪費する。本文中で図表に言及している箇所を素早く見つけ出し、その箇所と図表のデータを効率よく照合する能力が、談話層の第一の課題である。
本文中の図表参照箇所を特定する能力によって、以下の能力が確立される。第一に、参照表現（as shown in、the data indicates等）を手がかりとして照合箇所を瞬時に特定できるようになる。第二に、明示的な参照表現がない場合でも、数量的手がかり語句（percentage、rate、amount等）から図表との関連箇所を推定できるようになる。第三に、本文全体を精読する前に照合すべき箇所を絞り込み、図表との対応検証を効率的に進められるようになる。
図表参照箇所の特定は、次の記事で扱う主張とデータの整合性検証の前提となる。
１.１. 図表参照の手がかり表現と照合手順
本文と図表の照合について、「本文を全部読んでから図表を見る」という方法は、本文中の図表参照箇所が特定の手がかり表現によって示されているという事実を活用していない点で非効率的である。本文中で図表に言及する箇所はas shown in the graph、the table indicates、according to the data、the figure demonstratesといった参照表現によって標識されており、これらの表現を手がかりとして照合箇所を特定する方法が体系的に確立されるべきである。参照表現を手がかりとすることで、本文全体を精読する前に照合すべき箇所を特定し、図表との対応を効率よく検証できる。入試の制限時間を考慮すると、本文全体を読んでから図表を見るのではなく、参照表現の位置をまずスキャンし、図表との照合が必要な箇所を先に特定してから精読に入るという戦略が有効である。参照表現は本文中の複数箇所に分散していることがあり、一つ見つけて安心するのではなく、本文全体をスキャンして全ての参照箇所を把握する必要がある。また、参照表現が含まれていない段落は図表との直接的な関連が薄いと判断でき、照合作業の対象から除外できる。
では、本文中の図表参照箇所を効率的に特定するにはどうすればよいか。手順１では本文をスキャンして参照表現を探す。as shown in、according to the graph/table/figure/chart、the data shows/indicates/suggests/reveals、as illustrated byといった表現を本文中で特定することで、図表に関連する箇所が視覚的に浮かび上がる。これらの表現はas、according、data、graph、table、figure、chartといった語をキーワードとして本文中を高速でスキャンすることで効率的に検出できる。手順２では参照表現の前後の文を読み取る。参照表現を含む文とその前後1-2文が、図表のどのデータに対応するかを確認することで、本文の主張と図表のデータの対応関係が明確になる。参照表現の前の文は主張や解釈を含むことが多く、参照表現を含む文はその主張をデータで裏付ける機能を持つ。参照表現の後の文は、データに基づく結論や考察を述べることが多い。手順３では参照表現がない場合、数値や傾向を表す語句を手がかりとする。本文中にpercentage、rate、amount、trend、increase、decrease、proportion、ratio、figure（数値の意味で）といった数量的な語句が出現する箇所は、明示的な参照表現がなくても図表と関連している可能性が高いため、これらの語句を二次的な手がかりとして活用する。年号や固有名詞（国名・都市名等）が図表のラベルと一致する箇所も、暗黙的に図表を参照している可能性がある。
例１: “As shown in Figure 1, the number of international students has increased significantly since 2010.”
→ 参照表現：“As shown in Figure 1” → Figure 1の2010年以降のデータを確認。参照表現が明確に図表を指定しているため、照合対象は一義的に決まる。
→ 本文の「increased significantly」と図表の実際の変化量が整合するかを検証する。significantlyの妥当性は意味層で学んだ程度判断の手順で評価する。
例２: “The survey results indicate that more than half of the respondents preferred online learning.”
→ 参照表現：“The survey results indicate” → 調査結果を示す表または図を確認。「survey results」が図表のタイトルや出典と対応しているかを確認する。
→ 「more than half」（50%超）が図表上で確認できるかを検証する。円グラフであればonline learningのセグメントが50%を超えているか、表であれば該当する数値が全体の50%を超えているかを確認する。
例３: “The percentage of renewable energy in the total energy mix has grown steadily over the past decade.”
→ 明示的参照表現はないが、「percentage」「grown steadily」「past decade」が数量的手がかり。percentageは割合を示す図表、grown steadilyは変化の傾向を示す折れ線グラフ、past decadeは過去10年間の横軸範囲をそれぞれ示唆している。
→ 過去10年間の再生可能エネルギーの割合を示すグラフまたは表を参照する。grown steadilyの検証には、途中に減少区間がないことの確認が必要。
例４: “While the government invested heavily in infrastructure, the data reveals a different picture regarding public satisfaction.”
→ 参照表現：“the data reveals” → 公共満足度に関するデータを示す図表を確認。「a different picture」という表現は、前半の情報（投資の増加）と図表の情報（満足度の推移）が異なる傾向を示すことを予告している。
→ 「a different picture」は本文前半の情報（投資増加）と図表の情報（満足度低下）の対比を示唆している。while（一方で）という逆接の接続詞も、前半と後半で異なる情報が提示されることを示すシグナルである。
以上により、本文中の参照表現や数量的手がかりを利用して図表との照合箇所を効率よく特定し、本文と図表の対応関係を正確に把握することが可能になる。
２. 本文の主張と図表データの整合性検証
本文中で著者が述べている主張や結論が、図表のデータによって実際に支持されるかどうかを検証する能力は、図表問題における最も高度な判断の一つである。本文の主張が図表のデータと一致する場合、矛盾する場合、図表からは判断できない場合の三つの可能性があり、この区別を正確に行う技術が求められる。特に「本文の主張は図表と一致するか」を問う設問では、本文の表現と図表のデータの間にある言い換え・概数化・一般化のレベルを見極める必要がある。
主張とデータの整合性を検証する能力によって、以下の能力が確立される。第一に、本文の主張を構成要素（何が・どうなった・どの程度・なぜ）に分解し、図表で検証可能な要素と検証不能な要素を区別できるようになる。第二に、一致・矛盾・無関係の三類型を正確に判別できるようになる。第三に、「図表から判断できないこと」を「図表と矛盾すること」と混同する誤りを回避できるようになる。
整合性検証は、前の記事の参照箇所特定と組み合わせて、次の記事で扱う複数情報源の統合判断を支える。
２.１. 主張とデータの三類型の判別手順
本文と図表の関係について、「本文が図表を説明している」という理解は、本文が図表のデータを超えた主張（過度の一般化や因果関係の推定）を行っている場合があるという点を見落としている。本文の主張と図表データの関係は「一致」（主張がデータによって支持される）、「矛盾」（主張がデータと不整合である）、「無関係」（主張の真偽がデータからは判断できない）の三類型として定義される。この三類型の区別が重要なのは、入試の設問では「図表から判断できないこと」を「図表と矛盾すること」と混同させる誤答選択肢が作られるためである。「矛盾」は図表のデータが主張と食い違っていることを意味し、「無関係」は図表にそもそも関連するデータが存在しないことを意味する。NOT supported by the dataという設問表現は「矛盾」と「無関係」の両方を含みうるが、contradicted by the dataという表現は「矛盾」のみを意味する。この区別が選択肢の判断に影響する場合がある。
上記の定義から、本文の主張と図表データの整合性を検証する手順が論理的に導出される。手順１では本文の主張を正確に把握する。主張の内容を「何が」「どうなった」「どの程度」「なぜ」という要素に分解することで、図表との照合ポイントが明確になる。この分解は語用層で学んだ選択肢の情報要素分解と同じ方法であり、本文の主張に対しても同様に適用できる。手順２では主張の各要素を図表のデータと照合する。「何が」「どうなった」「どの程度」は図表で検証できるが、「なぜ」は図表には通常含まれないため、因果関係の主張は図表のみでは検証できないことが多い。図表は相関関係（二つの変数が同時に変化する関係）を示すことはあるが、因果関係（一方が他方の原因である関係）を示すことはできない。「なぜ」を含む主張は自動的に「図表のみでは検証不能」と判断してよい。手順３では照合結果に基づいて三類型のいずれに該当するかを判定する。全要素が図表と一致すれば「一致」、いずれかの要素が図表と食い違えば「矛盾」、図表に対応するデータが存在しなければ「無関係」と判定する。判定に迷う場合は、「図表のデータを用いて主張を反証できるか」を考える。反証できるなら「矛盾」、反証も支持もできないなら「無関係」である。
例１: 本文 “Sales doubled between 2015 and 2020.” / 図表：2015年=500、2020年=1,000
→ 「何が」=Sales、「どうなった」=doubled、「どの程度」=2倍。1,000 ÷ 500 = 2.0。
→ 判定：一致。全要素が図表のデータと整合する。doubledは正確に2倍を意味し、500→1,000はまさに2倍である。
例２: 本文 “The decline in reading time was caused by the rise of social media.” / 図表：読書時間の減少を示すグラフ。
→ 「何が」=reading time、「どうなった」=declined → 図表で確認可能（一致）。
→ 「なぜ」=caused by social media → 図表には原因に関する情報なし。図表は読書時間の変化を数値で示すが、その原因（social media）についてのデータは含まれていない。判定：「decline」は一致、「caused by social media」は無関係（図表からは判断不能）。設問が「Is the author’s explanation supported by the graph?」であれば、因果関係の部分は図表で支持できないため、完全な支持とは言えない。
例３: 本文 “Country A consistently had the highest GDP throughout the period.” / 図表：2015年はCountry Aが最高だが、2019年にCountry Bが逆転。
→ 「何が」=Country A、「どうなった」=highest GDP、「どの程度」=consistently/throughout。全期間にわたって常に最高であるという主張。
→ 2019年に逆転しているため「consistently」「throughout」は不正確。consistentlyは例外なく常にという意味であり、一度でも最高でない時期があれば条件を満たさない。判定：矛盾。
例４: 本文 “Young people are more likely to support environmental policies.” / 図表：年齢別のエネルギー消費量のグラフ。
→ 「何が」=young people、「どうなった」=support environmental policies。
→ 図表はエネルギー消費量であり、政策への支持に関するデータは含まれていない。エネルギー消費量が少ないことは政策への支持を意味しないため、図表から主張を支持も反証もできない。判定：無関係。
以上により、本文の主張を要素分解して図表データと体系的に照合し、一致・矛盾・無関係の三類型を正確に判別することが可能になる。
３. 複数情報源の統合判断
入試問題を中心に、本文・図表・注釈など複数の情報源を統合して一つの判断を導く問題形式が増加している。単一の情報源だけでは解答できず、本文の記述と図表のデータを組み合わせて初めて正答が確定する設問に対応するためには、異なる形式の情報を統合する手順を確立する必要がある。本文から得た定性的情報（原因・背景・解釈）と図表から得た定量的情報（数値・傾向・比率）を組み合わせ、選択肢の正誤を総合的に判断する能力が、図表問題における最も実践的な力となる。
複数情報源を統合判断する能力によって、以下の能力が確立される。第一に、定性的情報と定量的情報を二段階で検証し、両方の条件を満たす選択肢を特定できるようになる。第二に、本文のみ一致する選択肢と図表のみ一致する選択肢を正確に消去し、両方で一致する選択肢を残す消去法を遂行できるようになる。第三に、情報源指定（語用層で学習）に基づいて統合の範囲を制御し、設問が求めていない統合を回避できるようになる。
統合判断は、談話層の前二つの記事で確立した参照箇所特定と整合性検証の能力を統合して実現される。
３.１. 定性的情報と定量的情報の統合手順
複数の情報源を使う問題が「難しい問題」と理解されるのは、情報の統合に必要な手順が体系化されていないからである。複数情報源の統合判断とは、定性的情報（本文の記述・解釈・主張）と定量的情報（図表の数値・傾向・比率）を組み合わせ、選択肢が両方の情報源と整合するかを検証するプロセスとして定義される。この手順が体系化されていれば、「難しい」のではなく「手順が二段階になる」だけであり、一段階ずつ確実に実行すれば正答に到達できる。この定義が重要なのは、本文のみで正しい選択肢、図表のみで正しい選択肢がそれぞれ存在しても、両方で正しい選択肢は一つしかないという設問構造が頻出するためである。入試問題の作成者は、本文のみ一致する選択肢と図表のみ一致する選択肢をそれぞれ配置することで、一方の情報源だけで即断する受験生を誤答に誘導する。両方の情報源で検証するという二段階の手順を守ることで、この誘導を回避できる。
この原理から、複数情報源を統合して判断する具体的な手順が導かれる。手順１では各選択肢を本文情報で検証する。選択肢の内容が本文の記述と一致するかを確認し、一致するものに「本文✓」の印をつけることで、本文の条件を満たす選択肢を絞り込める。本文に該当する記述がない選択肢は「本文？」として保留し、本文と明らかに矛盾する選択肢は「本文✗」として消去する。手順２では本文✓の選択肢を図表情報で検証する。本文と一致する選択肢の中から、さらに図表のデータとも整合するものを特定することで、両方の条件を満たす選択肢が確定する。本文✓で図表✓の選択肢が正答候補であり、本文✓で図表✗の選択肢は消去する。手順３では両方の条件を満たす選択肢が正答であることを確認する。本文のみ一致（図表と矛盾）、図表のみ一致（本文と矛盾）、いずれとも矛盾の選択肢を消去し、残った選択肢が正答である。残った選択肢が一つであれば正答が確定し、複数残った場合はより厳密に一致するものを選択する。なお、設問の情報源指定（語用層で学習）がaccording to the graphのみを指定している場合は、手順１（本文検証）を省略して手順２（図表検証）のみで判断する。情報源指定の確認が統合判断の起点である。
例１: 本文「ある国の再生可能エネルギーの割合は近年増加している」/ 図表：2018年17%→2022年22%。選択肢A「その国の再生可能エネルギーは20%を超えた」。
→ 本文：増加している（一致✓）。図表：2022年に22%（20%超✓）。
→ 両方の条件を満たす。正答候補。本文の「増加している」という定性的情報と、図表の「22%」という定量的情報が、選択肢Aの「20%を超えた」という記述を両面から支持している。
例２: 同じ問題で選択肢B「その国の再生可能エネルギーは減少傾向にある」。
→ 本文：増加している（矛盾✗）。図表確認不要。
→ 本文の条件を満たさないため消去。統合判断の二段階手順では、第一段階で消去できる選択肢は第二段階に進む必要がなく、処理時間を節約できる。
例３: 本文「政府はCO2排出量の削減に取り組んでいる」/ 図表：CO2排出量のデータなし（エネルギー構成のみ）。選択肢C「政府のCO2削減目標は達成された」。
→ 本文：削減に「取り組んでいる」と記述されており、「達成された」とは異なる（本文✗）。取り組みの進行中と目標の達成は別の情報であり、本文は達成を述べていない。図表：CO2のデータなし（検証不能）。
→ 本文の条件すら満たさないため消去。図表の検証に進む必要がない。
例４: 本文「風力発電が最も成長した」/ 図表：風力は5%→8%（3ポイント増）、太陽光は3%→9%（6ポイント増）。選択肢D「風力発電の成長率が最も高かった」。
→ 本文：最も成長した（一致✓）。図表：風力3ポイント増 vs 太陽光6ポイント増（矛盾✗）。
→ 本文とは一致するが図表と矛盾する。設問が両方の情報源に基づく判断を求めている場合、この選択肢は両方の条件を同時に満たさないため不正解となる。一方、設問が本文のみを指定している場合は正答候補となりうる。情報源指定の確認が決定的に重要である。この例は、本文の主張と図表のデータが食い違うケースであり、前の記事で学んだ三類型の「矛盾」に該当する。統合判断では、矛盾の検出結果を情報源指定に照らして最終判断に反映する。
以上により、本文の定性的情報と図表の定量的情報を二段階で検証し、複数の情報源を統合して選択肢の正誤を正確に判断することが可能になる。
このモジュールのまとめ
このモジュールでは、図表の構造要素を体系的に識別するという統語層の理解から出発し、意味層における数値と英語表現の正確な対応づけ、語用層における設問の意図と情報源指定の把握、談話層における本文と図表の統合的処理という四つの層を体系的に学習した。これらの層は相互に依存しており、統語層で確立した構造要素の識別能力が意味層での正確な数値読み取りを可能にし、意味層での表現対応能力が語用層での選択肢判断を支え、語用層での設問解析能力が談話層での統合判断を実現するという階層的な関係にある。
統語層では、棒グラフ・折れ線グラフ・円グラフ・表というグラフの種類ごとに、タイトル・軸ラベル・単位・凡例・脚注といった構造要素を確認する手順を確立した。目盛りが0から始まっていないグラフでの変化量の誤認、二軸グラフでの軸対応の混同、円グラフにおける母数と割合の混同、表における行列見出しの取り違えなど、構造要素の見落としによって生じる典型的な誤りを回避する技術を習得した。また、図表の種類に応じて「比較」「変化の傾向」「構成比」「特定数値の抽出」という読み取り焦点を設定する手順も確立し、設問が求める情報を効率よく抽出するための判断力を整えた。
意味層では、数値の変化を方向（上昇・下降・横ばい）と程度（急激・緩やか・わずか）の二つのパラメータで分析し、英語表現との対応を判断する技術を確立した。increase/decrease/remain stableといった方向表現に加え、dramatically/gradually/slightlyといった程度表現、twice as large as/account for/more thanといった比較・割合表現、from A to B/during/sinceといった時間表現の体系を学習し、選択肢の記述が図表の実際の数値と整合するかを検証する手順を習得した。さらに、about/nearly/over/less thanといった概数表現の許容範囲を四つの類型で整理し、表現ごとの数値範囲の違いに基づいて選択肢の正誤を判断する精度を確立した。
語用層では、設問文に含まれるaccording to the graph/based on the passage/according to bothといった情報源指定表現を識別し、指定された情報源の範囲内で解答を探索する手順を確立した。選択肢の言い換えパターンとして、正答が情報を意味的に等価な別の表現で再述するのに対し、誤答が方向・程度・範囲・対象のいずれかを改変するという構造を理解し、四つの観点での照合によって言い換えと歪曲を区別する技術を習得した。加えて、肯定選択型・否定選択型・推論型・照合型という設問形式の分類に応じた解答手順も確立した。
談話層では、本文と図表を統合的に処理する能力を確立した。本文中の参照表現（as shown in/the data indicates等）や数量的手がかり語句を利用して照合箇所を効率よく特定する手順、本文の主張と図表データの関係を一致・矛盾・無関係の三類型で判別する手順、そして定性的情報と定量的情報を二段階で検証する統合判断の手順を習得した。
これらの能力を統合することで、単一概念の直接適用から複合的な判断を要する標準的な図表問題まで、図表の構造を正確に把握し、数値と英語表現を対応させ、設問の要求を正確に理解した上で、本文と図表の情報を統合して正答を導くという一連の処理を安定して遂行できる。このモジュールで確立した図表読解の判断手順は、後続のモジュールで学ぶ要約の基本手順や長文読解において、複数の情報源を統合的に処理する力の出発点となる。