本モジュールの目的と構成
英文を読む場面では、単一の文章だけが与えられるとは限らない。表やグラフが本文に添えられている場合、あるいは二つ以上の文章を突き合わせて答える場合、単独の文章を読む能力だけでは情報を正確に処理できない。複数の資料に含まれる情報を突き合わせ、一致点と相違点を特定し、総合的な判断を下す能力は、単一資料の読解能力とは質的に異なる認知的操作を要求する。文章と図表のそれぞれが異なる形式で情報を提示しているとき、両者の対応関係を把握できなければ設問に正確に答えることは困難である。
複数資料の統合的読解が不十分なまま資料統合型の出題に取り組むと、文章の記述を図表のどの数値と照合すべきかが分からず、設問が求める結論にたどり着けない状態に陥る。あるいは、一方の資料の情報だけで解答を構成してしまい、他方の資料が提示する重要な情報を取りこぼすという問題が繰り返し生じる。複数の資料から必要な情報を正確に抽出し、資料間の対応関係を特定し、情報の一致・相違を判定し、各資料の提示目的や立場の違いを踏まえて情報を評価した上で、統合的な結論を導出する能力の確立が求められる。
複数資料の統合的読解の体系的な理解によって、以下の能力が確立される。第一に、文章・表・グラフなど形式の異なる資料のそれぞれについて構造的特徴を識別し、資料間で同一の対象に言及している箇所を正確に特定できるようになる。第二に、定性的記述と定量的データの間の整合性を判定し、言い換え表現を介した情報の同一性を評価できるようになる。第三に、資料の情報提示目的や作成者の立場の違いを識別し、情報の偏りを認識した上で批判的に情報を評価できるようになる。第四に、個別の資料からは直接導出できない結論を複数資料の情報を組み合わせて導出し、根拠と論理的接続を明示した形で解答を構成できるようになる。この能力は、図表付き長文読解や複数テクストの比較問題など、資料統合型の出題に対応する際に発揮される。
本モジュールは以下の層で構成される：
統語：資料間の構造的対応の把握
複数資料を統合的に読むための出発点は、各資料がどのような形式で情報を提示しているかを正確に識別することにある。文章における主張の構造と、図表における数値・項目の配置構造とを対応づける能力を確立する。資料の形式的特徴を把握できなければ、情報の照合そのものが成立しない。
意味：資料間の情報照合と一致・相違の判定
各資料の形式を把握した上で、資料間で同一の対象について述べられている情報を照合し、一致しているか相違しているかを判定する能力を扱う。文章中の記述が図表のどのデータに対応するかを特定し、両者の整合性を検証する作業がここに含まれる。
語用：資料の目的・立場の違いに基づく情報の評価
同一の事象を扱っていても、資料ごとに情報の提示目的や立場が異なる場合がある。ある資料が客観的データの提示を目的としているのか、特定の主張の根拠として情報を選択的に提示しているのかを識別する能力を確立する。
談話：複数資料の統合による結論の導出
個別の資料から得られた情報を統合し、設問が求める結論を導出する能力を扱う。単一資料からは導けない判断を、複数資料の情報を組み合わせることで初めて可能にする統合的読解の到達点がここにある。
このモジュールを修了すると、文章・図表・グラフなど異なる形式で提示された複数の資料を前にしたとき、各資料の形式的特徴と情報の配置を素早く把握し、資料間の対応関係を特定できるようになる。そこから情報の一致・相違を判定し、各資料の提示目的や立場の違いを踏まえて情報の信頼性を評価した上で、複数資料を統合した結論を正確に導出する力が身につく。初見の資料統合型問題であっても、資料の構造把握から統合的結論の導出までを体系的な手順で処理できるようになり、この能力は後続のモジュールで学ぶ英文読解の発展的な内容を支える前提となる。
【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：資料間の構造的対応の把握
英文の長文読解に慣れていても、文章と図表が並置された問題に直面すると途端に情報の整理が困難になる経験は珍しくない。文章は論理の流れに沿って情報を配列するのに対し、図表は項目と数値の対応関係として情報を配列しており、両者の構造的な違いを把握していなければ照合の手がかりを見つけられない。統語層を終えると、各資料の形式的特徴を識別し、資料間で対応する情報の位置を正確に特定できるようになる。品詞や文型の識別が文の内部構造を把握する作業であるのと同様に、資料の形式的特徴の識別は複数資料の外部構造を把握する作業である。文型判定や句と節の識別といった統語的分析の能力が頭に入っていれば、ここから先の資料構造の分析に進める。統語層では、文章資料の段落構造と情報配置、図表資料の構成要素と数値配列、複数文章間の論点対応を扱う。統語層の能力がなければ、意味層以降で資料間の情報を内容レベルで照合し評価することは不可能である。
【関連項目】
[基盤 M07-統語]
└ 句の並列構造の識別基準を把握する
[基盤 M08-統語]
└ 複数の節の統合的処理方法を確認する
１. 資料形式の識別と構造的特徴
複数の資料を統合的に読解するためには、まず各資料がどのような形式で情報を提示しているかを正確に識別する必要がある。文章・表・棒グラフ・折れ線グラフ・円グラフといった形式はそれぞれ異なる方法で情報を配列しており、その構造的特徴を把握できなければ、どこに何の情報があるかを効率的に見つけることができない。資料形式の識別能力によって、文章中の主張がどの段落に配置されているか、表のどの行・列に求める数値があるか、グラフのどの要素が比較対象となるかを迅速に特定できるようになる。この能力は、次の記事で扱う資料間の対応要素の特定へと直結する。
１.１. 文章資料の構造的特徴
一般に文章資料は「上から順に読めば内容が分かる」と理解されがちである。しかし、この理解は文章内部の情報配置に規則性があることを見落としているという点で不正確である。学術的・本質的には、文章資料とは段落単位で情報を配列し、各段落が主題文と支持文の構造によって一つの主張とその根拠を提示する形式として定義されるべきものである。この構造的特徴が重要なのは、複数資料の照合において文章側の情報を素早く特定するには、段落の主題文を手がかりにして必要な情報の所在を絞り込む必要があるためである。さらに、段落内部では主題文が段落全体の方向性を決定し、支持文がその方向性を具体的な事実・数値・事例で裏づけるという階層的な関係が成立している。この階層構造を意識しないまま文章を逐語的に読むと、支持文の細部に注意が分散し、段落全体の主張を見失うという問題が生じる。加えて、段落間の情報配列にも規則性が存在する。文章全体の冒頭段落はしばしば文章の主題と論旨の方向性を提示し、中間段落が論拠や具体例を展開し、終結段落が結論や総括を提示するという構造は、学術的文章・報道記事・試験問題の本文を問わず広く観察される。この段落間の配列パターンを把握しておくことで、文章全体のどの位置にどの種類の情報が配置されているかを予測でき、図表との照合時に必要な情報の探索範囲を大幅に絞り込むことが可能になる。段落間の配列パターンとして特に重要なのは、導入→展開→結論という三部構成と、主張→反論→再反論という対話的構成の二種類である。前者は説明的文章に多く見られ、後者は論説的文章に多い。どちらの構成であるかを冒頭段落の時点で識別できれば、後続段落の情報の性質をあらかじめ予測できる。なお、段落の配列パターンが三部構成か対話的構成かを判定する手がかりは、第二段落の冒頭にある。第二段落が “Furthermore” “In addition” などの追加表現で始まっていれば三部構成の可能性が高く、“However” “On the other hand” などの対比表現で始まっていれば対話的構成の可能性が高い。この判定を文章の序盤で行うことにより、後続段落の内容を予測しながら効率的に読み進められる。
この原理から、文章資料の構造を把握する具体的な手順が導かれる。手順１では各段落の主題文を特定する。段落の冒頭文または末尾文が段落全体の主張を要約していることが多く、主題文を特定することで段落の扱う話題を迅速に把握できる。英語の説明的文章では冒頭文が主題文となるパターンが最も頻出するが、例示から入って末尾文で一般化する帰納的構成も存在するため、冒頭文に主題が見当たらない場合は末尾文を確認する必要がある。主題文の特定においては、段落冒頭に出現する指示語（this, these, such）や接続表現（however, moreover, therefore）も重要な手がかりとなる。指示語が前段落の内容を受けている場合、当該段落は前段落の展開であり、独立した新しい主題ではないことが分かる。さらに、主題文が含む名詞句は段落全体のトピックを規定しているため、その名詞句を図表の軸ラベルや項目名と照合する起点として利用できる。手順２では段落間の論理関係を確認する。接続表現や段落冒頭の語句を手がかりに、段落が列挙・対比・因果・例示のいずれの関係で並んでいるかを識別することで、文章全体の情報配置を把握できる。特に、“However” “In contrast” “On the other hand” といった対比の接続表現は、前後の段落が異なる立場・傾向を述べていることを示すため、複数資料の比較問題では照合の手がかりとして重要度が高い。“Furthermore” “In addition” “Moreover” といった追加の接続表現は、同一方向の情報が積み重ねられていることを示す。段落間の論理関係を正確に把握できれば、設問が求める情報がどの段落の近辺に配置されているかを迅速に予測できる。なお、段落間の論理関係を正確に把握するためには、接続表現だけでなく段落冒頭の主語にも注目する必要がある。前段落と同一の主語が続いていれば同一トピックの展開であり、新しい主語が導入されていれば話題の転換を示唆している。手順３では数値・固有名詞・年代などの具体的情報の位置を確認する。図表との照合で必要となる具体的情報は支持文に含まれることが多く、主題文で段落を特定した後に支持文を精査することで、求める情報を効率的に見つけられる。数値を含む支持文は図表との直接的な照合対象となるため、数字・パーセンテージ・年代が出現する箇所にマーキングしておくことで、照合作業の効率が向上する。なお、文章中の数値が図表と異なる単位で表記される場合があり（文章が “millions” で記述し、図表が “thousands” の単位を使用するなど）、単位の確認を怠ると数値の不一致を見落とす原因となる。文章中に出現する数値の単位と図表の単位が一致しているかどうかを最初に確認する習慣を持つことが、照合精度の向上に直結する。
例１: In 2020, the number of international students in Japan reached approximately 280,000. → 主題文で「留学生数」が話題であることを把握 → 数値「280,000」が支持情報として段落内に配置されている → 図表で2020年の数値と照合する際の手がかりとなる。
例２: However, this trend reversed sharply after 2021. → “However” が前段落との対比を示す接続表現 → 段落の論理的位置が「前段落の内容に対する反転」であると特定できる → 図表でグラフの変曲点を探す手がかりとなる。
例３: The table below summarizes the regional distribution of participants. → 文章が図表への明示的な参照を含んでいる → “The table below” が文章と表の対応を直接示す表現である → この段落と表の情報が対応関係にあることが確定する。
例４: Several factors contributed to this increase, including government subsidies and lower tuition fees. → “Several factors” が列挙構造の開始を示す → 支持文に具体的要因が配置されている → 他資料で同一要因への言及がある場合に照合の対象となる。
以上により、文章資料における段落構造と情報配置の規則性を把握し、図表との照合に必要な情報の所在を迅速に特定することが可能になる。
１.２. 図表資料の構造的特徴
図表資料とは何か。「見れば分かる」という素朴な認識は、図表が特定の構造に従って情報を配列していることを見落としている。図表は自明に理解できるものではなく、軸（行・列・横軸・縦軸）と凡例によって情報の分類基準と数値の対応を視覚的に提示する形式である。この構造的特徴が重要なのは、図表の構成要素（タイトル・軸ラベル・単位・凡例・注釈）を正確に読み取らなければ、数値の意味を誤って解釈する危険があるためである。さらに、図表の種類によって情報の提示方法が質的に異なる点にも注意が必要である。表は離散的な数値の正確な読み取りに適しており、棒グラフは項目間の大小比較を視覚的に強調し、折れ線グラフは時間的推移の傾向を示し、円グラフは全体に対する各項目の割合を表す。同じデータであっても、表で提示された場合は個々の数値の精確な比較が求められ、折れ線グラフで提示された場合は全体的な傾向の把握が求められるなど、図表の種類が設問の問い方に影響を与える。図表の形式と設問の関係を意識しておくことで、照合すべき情報の種類を事前に予測できるようになる。加えて、図表には「提示されている情報」だけでなく「提示されていない情報」も存在する。表に空欄がある場合、グラフで特定の期間のデータが欠落している場合、注釈で対象範囲が限定されている場合など、情報の不在が照合結果に影響を与える可能性がある。図表の種類ごとに読み取りの際に注意すべき点が異なるため、種類の識別は読み取りの精度に直結する。棒グラフでは各棒の高さの差異が比較の根拠となるが、縦軸の開始値が0でない場合（いわゆる「切断されたグラフ」）には、視覚的な印象と実際の数値差が乖離する。折れ線グラフでは横軸の目盛り間隔が等間隔でない場合に変化の速度を読み誤る恐れがある。円グラフでは隣接する扇形の割合差が小さいと視覚的判断が困難になるため、具体的な数値ラベルの確認が不可欠となる。これらの読み取り上の注意点を図表の種類ごとに事前に把握しておくことで、照合時の誤読を未然に防止できる。
この原理から、図表資料の構造を把握す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。タイトルは図表全体が何の情報を提示しているかを示し、軸ラベルは分類基準（年度・国名・項目名など）と測定対象（人数・割合・金額など）を示しており、これらを先に確認することで図表の情報の全体像を把握できる。タイトルに含まれるキーワード（例：“Trends in…” は時間的推移、“Distribution of…” は構成比、“Comparison of…” は項目間比較を示唆する）を手がかりに、図表が提示する情報の性質を素早く把握できる。また、軸ラベルが示す分類基準は、文章中のどの段落・どの記述と対応するかを判断する直接的な手がかりとなるため、最初に確認すべき要素である。手順２では単位と凡例を確認する。同じ数値であっても単位が「千人」なのか「万人」なのかで意味が異なり、凡例が複数の系列を区別している場合はどの系列がどの対象を表すかを特定することで、数値の誤読を防止できる。単位の見落としは頻出する誤読原因であり、特に文章が “million” “billion” といった語で数値を記述し、図表が “(in thousands)” のような注記で単位を示す場合、両者の桁数を揃える変換操作を意識的に行う必要がある。凡例の確認については、色分けやパターンが何を表しているかを最初に把握しておかないと、複数系列のデータを混同する原因となる。手順３では注釈と出典を確認する。図表下部に記載される注釈は数値の算出方法や対象範囲の限定を示しており、文章側の記述と照合する際に条件の一致を確認する手がかりとなる。注釈には “excluding…” “adjusted for…” “preliminary data” などの表現が含まれることがあり、これらはデータの解釈に直接影響を与える条件情報である。注釈を見落とすと、文章の記述と図表のデータが一見矛盾しているように見えても、実際には条件の違いに起因する差異にすぎないケースを誤判定してしまう。出典情報はデータの信頼性を評価する際の手がかりとなるため、語用層での情報評価に備えて確認しておく必要がある。
例１: 表のタイトルが “Number of Visitors by Country (2018–2022)” → 分類基準は「国名」と「年度」→ 測定対象は「訪問者数」→ 文章中の “visitors” に関する記述と照合可能。
例２: 棒グラフの縦軸ラベルが “Percentage (%)” 、横軸が “Age Group” → 数値は割合（百分率）→ 文章中に “the proportion of” という表現があれば同一の情報に対応する。
例３: 折れ線グラフの凡例に “Male” と “Female” の二系列 → 性別による比較が図表の目的 → 文章中で性別に言及する段落と対応する。
例４: 表の注釈に “Figures are rounded to the nearest hundred.” → 数値が概数であることを示す → 文章中の “approximately” “about” との整合性を確認する手がかりとなる。
以上の適用を通じて、図表資料の構成要素を正確に読み取り、各要素が持つ情報の種類と範囲を特定する能力を習得できる。
２. 資料間の対応要素の特定
複数の資料が提示されたとき、それぞれの資料が独立して異なる情報を述べているのか、同一の対象について異なる形式で情報を提示しているのかを判断する必要がある。資料間で同一の対象に言及している箇所を特定する能力がなければ、情報の照合という作業そのものが開始できない。対応要素の特定能力によって、文章中の記述と図表中の数値が同じ事象のどの側面を扱っているかを正確に判定できるようになる。この能力は、前の記事で扱った各資料の構造的特徴の把握を前提とし、意味層で行う情報の一致・相違の判定を可能にする。
２.１. 文章と図表の間の対応要素の発見
文章と図表の対応には二つの捉え方がある。一つは「同じ単語が使われている箇所が対応している」という語句一致型の捉え方であり、もう一つは「同じ対象を指している箇所が対応している」という指示対象一致型の捉え方である。語句一致型の捉え方は、文章と図表で同一の対象を異なる語句で表す場合があることを見落としているという点で不十分である。対応要素の特定とは、語句の一致ではなく、指示対象の同一性に基づいて資料間の情報を結びつける作業である。この定義が重要なのは、文章が “the elderly” と表現する対象を図表が “aged 65 and over” と表記するような場合に、語句の違いに惑わされず同一対象として認識する必要があるためである。指示対象の同一性に基づく対応の発見は、語句一致型の対応発見よりも認知的負荷が高いが、実際の試験問題では語句の言い換えが意図的に用いられるため、この能力の有無が正答率に直結する。さらに、対応要素の発見には「直接的対応」と「間接的対応」の区別も重要である。文章が “The table below shows…” と図表を直接参照する場合は直接的対応であり、文章と図表が同じ事象を独立に記述している場合は間接的対応である。直接的対応は発見が容易であるが、間接的対応では文章と図表の結節点を自ら特定する必要があり、対応の見落としが生じやすい。対応要素の発見において頻出する誤りは、部分的な語句の一致をもって全体の対応を確定してしまうケースである。例えば、文章の “production costs” と図表の “total costs” は “costs” という語句を共有するが、前者は生産費用のみ、後者は全費用を指すため、指示範囲が異なる。語句の一致は対応の手がかりにはなるが、確定の根拠にはならないという点を常に意識する必要がある。こうした部分的一致による誤った対応の確定は、特に名詞句の修飾語を見落とした場合に生じやすい。“production costs” と “total costs” の差異は、“production” と “total” という修飾語の違いに起因しており、修飾語を含めた名詞句全体の指示範囲を比較する習慣を持つことが誤対応を防止する手段となる。
この原理から、文章と図表の間の対応要素を特定する具体的な手順が導かれる。手順１では図表の項目名と文章中の語句を照合する。図表の行ラベル・列ラベル・凡例に使われている語句と、文章中で同一または類似の対象を指す語句を対応づけることで、情報の結節点を発見できる。この照合では、まず図表の項目名を一覧として把握し、次に文章中でそれらの項目に言及している箇所を特定するという順序が効率的である。逆に文章から出発して図表の対応箇所を探す方法もあるが、図表の項目名は文章より簡潔であるため、項目名を先に把握する方が検索範囲を絞りやすい。手順２では言い換え表現に注意する。文章と図表で同一対象が異なる語句で表される場合（例：“decrease” と “decline”、“children” と “aged 0–14”）、意味的同一性を判断基準として対応を確定することで、語句の違いによる見落としを防止できる。言い換え表現の対応づけでは、上位語と下位語の関係（例：“vehicles” と “cars and trucks”）、抽象的表現と具体的表現の関係（例：“improved” と “rose by 15%”）、一般的呼称と技術的定義の関係（例：“young people” と “aged 15-24”）の三つのパターンが頻出するため、これらのパターンを意識的に検索することで対応の発見漏れを減らせる。手順３では数値・固有名詞を手がかりに対応を確認する。年度・国名・具体的数値など、形式に依存しない情報は資料間で一致しやすく、これらを照合の起点とすることで対応関係を確実に特定できる。特に、年度は文章と図表の両方で同一の数字として出現するため、最も信頼性の高い対応の手がかりとなる。固有名詞（国名・都市名・機関名など）も同様に形式に依存しにくいが、略称と正式名称の違い（例：“WHO” と “World Health Organization”）には注意が必要である。なお、対応要素が見つからない場合は、手順３で無理に対応を作り出すのではなく、「対応する情報が存在しない」という判断を下すことが重要であり、この判断については記事4で詳しく扱う。
例１: 文章 “Japan’s population has been declining since 2008.” / 表の列ラベル “Year” に “2008” が含まれる → 年度 “2008” を手がかりに文章の記述と表の該当行を対応づける。
例２: 文章 “young people” / グラフの凡例 “15–24 years old” → “young people” と “15–24 years old” が同一の対象を指すと判断 → 指示対象の同一性に基づく対応。
例３: 文章 “a significant rise” / グラフで該当期間の線が急上昇 → 文章の定性的記述（上昇）と図表の視覚的情報（上昇傾向）の対応 → 定性表現と定量表現の対応関係。
例４: 文章 “according to the survey” / 表のタイトル “Survey Results: Student Preferences” → 文章が図表の出典に直接言及 → 明示的参照による対応の確定。
以上により、語句の表面的な一致に頼らず、指示対象の同一性を判断基準として文章と図表の間の対応要素を正確に特定することが可能になる。
３. 複数文章間の構造的対応
複数の文章が提示される形式では、各文章の段落構造と論点の配置を把握した上で、文章間で同一の話題を扱っている段落を対応づける必要がある。図表との照合が「形式の異なる資料間の対応」であるのに対し、複数文章間の照合は「同一形式の資料間で論点の重複と相違を特定する」作業であり、異なる認知的操作を要求する。まず各文章の論点を段落単位で抽出し、論点の重複を特定した上で、各文章に固有の論点を識別するという段階的な分析が求められる。
３.１. 複数文章における論点の対応と相違の識別
複数文章の読解では、「二つの文章をそれぞれ読めばよい」という素朴な理解が成立しない。設問が文章間の関係性（一致・相違・補完）を問う以上、各文章を独立に読んだだけでは解答に必要な情報が得られないからである。複数文章の構造的対応とは、各文章の論点を抽出し、同一の論点に対する記述の有無・立場の異同を体系的に整理する作業である。この定義が重要なのは、文章Aにあって文章Bにない情報、文章Aと文章Bで異なる立場をとる論点を識別できなければ、文章間の関係を問う設問に正確に答えられないためである。複数文章間の対応を分析する際に把握すべき関係の類型は三つある。第一に「一致」であり、両文章が同一の論点について同一の立場・同一の情報を提示している場合がこれに該当する。第二に「相違」であり、両文章が同一の論点について異なる立場・異なる評価を提示している場合がこれに該当する。第三に「補完」であり、一方の文章のみが扱い他方が言及しない論点が存在する場合がこれに該当する。設問が “Both authors agree that…” という形式であれば「一致」の関係を問うており、“How do the two authors differ in their views on…?” という形式であれば「相違」の関係を問うている。設問の形式から求められる関係の類型を先に特定しておくことで、文章の読解と分析を効率化できる。なお、「一致」に見える関係であっても、一致の範囲が限定的である場合がある。例えば、両文章が「オンライン教育は利便性が高い」という点で一致していても、一方が「利便性が高いから推進すべき」と主張し、他方が「利便性は高いが問題も多い」と主張している場合、事実認識では一致しているが評価・結論では相違している。このような「部分的一致」を正確に識別する能力は、設問の選択肢が微妙な違いを含む場合に特に重要となる。「一致」と判定する際には、事実レベルでの一致と評価レベルでの一致を区別し、設問がどちらのレベルを問うているかを確認する手順を踏む必要がある。
この原理から、複数文章間の構造的対応を把握する具体的な手順が導かれる。手順１では各文章の主要論点を段落単位で抽出する。各段落の主題文を特定し、各文章が扱う論点の一覧を作成することで、文章間の比較の基盤を形成できる。論点の抽出では、名詞句として要約できるレベルまで抽象化する（例：「オンライン教育の効果」「学生の満足度」「費用対効果」）ことで、異なる表現で記述された同一論点を対応づけやすくなる。手順２では論点の重複を特定する。両文章が同一の論点を扱っている箇所を見つけることで、立場の一致・相違を検討する対象を限定できる。重複の特定では、手順１で作成した論点一覧を突き合わせ、同一または類似の論点を抽出する。ここでの類似性の判断には、記事2で扱った指示対象の同一性に基づく判断が適用される。手順３では各文章に固有の論点を識別する。一方の文章のみが扱い、他方が言及しない論点を特定することで、文章間の情報の補完関係を把握できる。固有の論点の存在は、設問が “What does Passage A mention that Passage B does not?” のような形式で直接問うこともあれば、統合的な結論を求める設問において一方の資料の情報で他方の主張を補完する際に活用されることもある。固有の論点を識別する際には、論点が本当に一方の文章にしか存在しないのか、それとも異なる表現で他方にも含まれているのかを慎重に判断する必要がある。この判断を誤ると、実際には両文章が扱っている論点を一方のみの固有論点と誤認してしまう。
例１: 文章A “Online learning improves accessibility.” / 文章B “Online learning raises concerns about student engagement.” → 同一の論点「オンライン学習」に対し、Aは肯定的側面、Bは否定的側面を記述 → 立場の相違。
例２: 文章A “The experiment was conducted in 2019.” / 文章B “The 2019 study showed similar results.” → 同一の研究に対する言及 → 情報の一致を確認する対応。
例３: 文章A “Cost reduction was a primary motivation.” / 文章Bに費用への言及なし → 文章Aに固有の論点 → 文章間の情報の非対称性。
例４: 文章A “Smith (2018) argues that…” / 文章B “According to Smith (2018)…” → 同一の出典への言及 → 固有名詞と年度を手がかりにした対応の確定。
これらの例が示す通り、各文章の論点を体系的に抽出し、重複・相違・固有の三種類に分類する能力が確立される。
４. 対応要素の不在と資料の限界の認識
設問によっては、一方の資料に含まれる情報が他方の資料に対応する情報を持たない場合がある。この「対応の不在」を認識できるかどうかは、誤った照合を防ぐ上で決定的に重要である。対応の不在を認識する能力がなければ、存在しない情報をもとに推測で解答してしまう誤りが繰り返し生じる。この能力は、記事2で扱った対応要素の特定の手順を尽くした上でなお対応が見つからないとき、その結果を積極的に活用する段階にあたる。
４.１. 情報の非対称性の識別
一般に複数資料は「互いに関連する情報を提示している」と理解されがちである。しかし、この理解は各資料がカバーする情報の範囲が異なることを見落としているという点で不正確である。学術的・本質的には、情報の非対称性とは、一方の資料が提示する情報のうち他方の資料に対応する情報が存在しない状態として定義されるべきものである。この概念が重要なのは、対応する情報がないにもかかわらず無理に照合を行うと、誤った結論を導いてしまうためである。情報の非対称性は、資料間の照合において「対応が見つからない」という結果をもたらすが、この「見つからない」という結果自体が重要な情報となる場面がある。設問が “Based on both sources, can it be determined whether…?” という形式で出題される場合、答えが “No, it cannot be determined.” となることがあり、この判断には非対称性の認識が不可欠である。非対称性が生じる原因は主に三つある。第一に、資料間で対象期間が異なる場合（図表が2015-2020年をカバーし、文章が2022年の状況に言及する場合）である。第二に、資料間で測定対象が異なる場合（文章が「満足度」に言及し、図表が「参加率」のみを示す場合）である。第三に、資料間で対象範囲が異なる場合（図表が特定地域のデータのみを提示し、文章が全国レベルの傾向を記述する場合）である。これらの原因を類型として把握しておくことで、非対称性の識別が体系的に行えるようになる。非対称性の認識は、資料を使って「何が分かるか」だけでなく「何が分からないか」を明確にする能力であり、推測による誤答を防止する上で不可欠である。情報の不在を正確に認識する習慣がなければ、「資料にない情報を常識で補って解答する」という危険な傾向に陥りやすい。情報が存在しないにもかかわらず常識的判断で補った解答は、設問が資料に基づく判断を求めている場合には誤答となる。資料に基づく判断と常識に基づく推測を明確に区別する姿勢が、統合的読解の精度を支える。
この原理から、情報の非対称性を識別する具体的な手順が導かれる。手順１では各資料がカバーする期間・対象・項目の範囲を確認する。図表の対象期間が2015年から2020年であるのに対し文章が2022年の状況に言及している場合、その部分は照合対象外であると判断することで、不適切な照合を回避できる。範囲の確認では、図表のタイトル・軸ラベル・注釈に記載された対象期間と対象範囲を正確に読み取り、文章中の記述がその範囲内に収まるかどうかを逐一検証する。特に、文章が図表の対象期間外の情報に言及している場合、その部分は図表では確認できない情報であることを明確に認識する必要がある。手順２では設問が求める情報がどの資料に含まれるかを確認する。設問が特定の情報を求めている場合、その情報がどの資料に存在し、どの資料には存在しないかを特定することで、解答に必要な資料を正確に選択できる。設問が複数資料の統合を求めている場合であっても、求められる情報の一部が特定の資料にしか存在しないケースは頻出する。この場合、当該資料の情報のみを根拠として用い、存在しない資料からの情報を補おうとしないことが重要である。手順３では「情報がない」こと自体を解答の根拠として活用する。設問が「資料から判断できるか」を問う場合、対応する情報の不在を根拠として「判断できない」と結論づけることで、推測による誤答を防止できる。「判断できない」という結論は消極的に見えるが、提示されていない情報をもとに推測で解答することは、試験において誤答の大きな原因となる。情報の不在を正確に認識する能力は、「分かること」と「分からないこと」の境界を明確にする能力であり、統合的読解の正確性を支える。なお、情報の非対称性の識別と、記事2で扱った「対応要素が見つからない場合の判断」は表裏一体の関係にある。対応要素を探す手順を尽くした上でなお対応が見つからないとき、「見つからない」という結果を非対称性として積極的に認識し、解答に活用するという流れが、統合的読解の一貫した方法論を形成する。
例１: 表の対象期間が2015–2020 / 文章に “In 2022, a new policy was introduced.” → 2022年の情報は表に含まれない → この部分について表との照合は不可能。
例２: 文章が “satisfaction rates” に言及 / 図表が “participation rates” のみを示す → 満足度と参加率は異なる指標 → 文章の記述を図表で確認することはできない。
例３: 設問 “Based on both passages, what can be inferred about the long-term effects?” / 文章Aが短期的効果のみ、文章Bも短期データのみ → 長期的効果は両資料とも扱っていない → 「推論できない」が正答となる可能性。
例４: 図表の注釈 “Data for Region C are unavailable.” / 設問がRegion Cの傾向を問う → 図表にデータが存在しないことを認識 → 図表からはRegion Cについて判断できない。
以上により、資料間の情報の非対称性を識別し、対応する情報が存在しない場合に不適切な照合や推測を回避することが可能になる。
５. 資料形式の変換と再構成
異なる形式で提示された情報を統合するためには、一方の資料の情報を他方の形式に変換して捉え直す能力が求められる。文章の記述を頭の中で表に再構成したり、グラフの傾向を言語的に記述し直したりする操作は、資料間の照合を効率化する手段となる。まず文章の定性的記述を数量的表現に変換し、次にグラフの視覚的傾向を言語的に記述し、最後に表の数値を比較可能な形式に整理するという三段階の変換操作を扱う。
５.１. 形式間の情報変換
では、異なる形式の資料を同一の枠組みで比較するにはどうすればよいか。「慣れの問題」として片づけられがちな資料形式の変換は、実際には情報の抽象度の変換を伴う認知的操作である。資料形式の変換とは、情報の内容を保持したまま、その提示形式（文章・数値・視覚的配置）を変える操作である。この操作が重要なのは、異なる形式の資料を同一の枠組みで比較するためには、少なくとも一方の形式を他方に揃える必要があるためである。形式変換には「言語→数量」と「数量→言語」の二つの方向がある。文章の定性的記述を数量的表現に変換する操作（例：「大幅に増加した」→「前年比150%以上の増加」）は、文章の記述と図表の数値を同一の尺度で比較するために不可欠である。逆に、グラフの視覚的傾向を言語的に記述する操作（例：右肩上がりの折れ線→「一貫して増加している」）は、グラフの情報を文章の記述と直接対比するために必要である。さらに、形式変換の精度は変換元の情報の精度に制約される点にも注意が必要である。文章の「大幅に増加した」という記述は、10%の増加と200%の増加のどちらも含みうる曖昧な表現であり、この曖昧さを認識した上で図表の数値との照合を行う必要がある。変換時に元の情報の精度を超えた解釈を行うと、照合結果の信頼性が損なわれる。形式変換は単なる「読み替え」ではなく、情報の抽象度を意識的に操作する認知活動であるという認識が重要である。言語から数量への変換では情報が具体化されるため、元の言語表現が持っていた曖昧さが失われる。逆に数量から言語への変換では情報が抽象化されるため、元の数値が持っていた精度が失われる。変換に伴う情報の増減を認識した上で、照合結果の確実性を適切に評価する能力が求められる。
この原理から、資料形式を変換する具体的な手順が導かれる。手順１では文章の定性的記述を数量的表現に変換する。「増加した」「減少した」「横ばいであった」といった定性的記述をグラフの傾向（右肩上がり・右肩下がり・水平）に対応づけることで、文章と図表の照合が容易になる。定性的記述には程度を示す修飾語が伴うことが多く、“sharply” “dramatically” は急激な変化を、“slightly” “marginally” は微小な変化を、“gradually” “steadily” は緩やかな変化を示す。これらの修飾語を数量的な変化幅の範囲に対応づける目安を持っておくと、照合の精度が向上する。ただし、これらの対応づけは文脈依存的であり、「sharply = 何%以上」という固定的な基準は存在しないため、当該文章における他の数値表現との相対的な関係で判断する必要がある。手順２ではグラフの視覚的傾向を言語的に記述する。グラフの上昇・下降・変曲点を「増加」「減少」「反転」といった言語に置き換えることで、文章の記述と直接比較できる形に変換できる。この変換では、グラフの全体的な傾向だけでなく、特定の期間における局所的な変化にも注意する必要がある。全体として上昇傾向にあるグラフでも、特定の年度に一時的な減少が見られる場合があり、文章がその一時的な減少に言及している可能性がある。手順３では表の数値を比較可能な形式に整理する。表中の複数の数値を差分・比率・順位などの関係に変換することで、文章中の比較表現との照合が可能になる。文章が「最大の」と述べている場合は順位の確認、「２倍になった」と述べている場合は比率の計算、「差が拡大した」と述べている場合は異なる時点での差分の比較が必要となる。数値の変換操作では、計算の精度にも注意が必要である。グラフから読み取る数値は目盛り線からの推定であるため一定の誤差を含み、この誤差が照合結果に影響しうる。計算結果を文章の記述と対比する際には、誤差の範囲を考慮した上で整合性を判断する必要がある。
例１: 文章 “The number doubled between 2015 and 2020.” → 数量的表現への変換：2015年の値の2倍が2020年の値 → 表で2015年と2020年の数値を確認し比率を計算する。
例２: 折れ線グラフで2018年を境に下降 → 言語的記述：「2018年以降減少に転じた」 → 文章中の “declined after 2018” との照合が可能になる。
例３: 表の数値 “Region A: 450, Region B: 320” → 比較表現への変換：「Region AはRegion Bより130多い」 → 文章中の “Region A exceeded Region B” と対応。
例４: 円グラフで最大の扇形が40% → 言語的記述：「最大の割合を占めるのは40%の項目Xである」 → 文章中の “the largest share belonged to X” と照合できる。
以上の適用を通じて、資料形式の違いを超えて情報を統一的に把握し、効率的な照合を実現する能力を習得できる。
意味：資料間の情報照合と一致・相違の判定
文章で「増加傾向にある」と述べられているとき、グラフの線が実際に右肩上がりを示しているかどうかを確認する作業は、資料の形式的特徴を把握した段階を超えて、情報の内容レベルでの照合に踏み込む作業にあたる。定性的記述と定量的データの間の整合性を判定するには、両者が同一の期間・対象・条件について述べているかどうかを確認した上で、記述内容とデータの傾向が一致するか相違するかを判断する能力が求められる。統語層で資料の形式と対応要素を特定する能力を備えていれば、ここから先の意味的照合に進める。意味層では、程度表現と数値変化の照合、パラフレーズを介した情報同一性の判定、不整合の種類と原因の特定、計算を伴う数値照合を扱う。意味層の能力がなければ、語用層以降で資料の目的や立場の違いを評価することは不可能である。
【関連項目】
[基盤 M22-意味]
└ 複数資料における同一語の意味の一貫性を確認する
[基盤 M23-意味]
└ 複数資料間での類義語・対義語の対応関係を把握する
[基盤 M25-意味]
└ 複数資料の文脈情報を統合した語義推測を理解する
１. 定性的記述と定量的データの照合
文章が「大幅に増加した」と述べ、図表が具体的な数値を示しているとき、両者が整合しているかどうかを判断するには、定性的表現が指す範囲と定量的データの変化幅を照合する能力が必要である。この照合能力によって、文章の記述が図表のデータに裏づけられているか、あるいは誇張や矮小化が含まれているかを判定できるようになる。この能力は、前の層で扱った対応要素の特定を前提とし、語用層で扱う資料の目的や立場の評価を可能にする。
１.１. 程度表現と数値変化の対応
一般に「増加した」「減少した」という記述は「数値が上がったか下がったか」と単純に理解されがちである。しかし、この理解は程度を表す修飾語（sharply, slightly, gradually など）が数値変化の幅や速度についての情報を含んでいることを見落としているという点で不正確である。学術的・本質的には、程度表現と数値変化の照合とは、文章中の程度表現が示す変化の方向・幅・速度を、図表中の数値変化の実際の方向・幅・速度と対比させ、両者の整合性を判定する作業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、“increased slightly” と述べている文章に対して図表が50%の増加を示している場合、両者は不整合であり、この不整合の検出が設問で問われることがあるためである。程度表現と数値変化の照合においては、方向・幅・速度の三つの側面をそれぞれ独立に検証する必要がある。方向とは変化が増加か減少かという基本的な方向性であり、これが一致しなければ明確な不整合となる。幅とは変化の絶対量または相対量（パーセンテージ）であり、程度表現（“sharply” “slightly” など）との整合性を検証する対象である。速度とは一定期間あたりの変化量であり、“gradually” “rapidly” といった表現との整合性を検証する対象である。方向は一致しているが幅が不整合であるケース（例：“slightly increased” と記述しているが実際には50%増）は、方向のみを見て一致と判断してしまう誤答を誘発するため、三側面を独立に検証する習慣が重要である。照合の精度を高めるためには、程度表現の相対性を理解しておく必要もある。“significantly” が5%の変化を指す場合もあれば、50%の変化を指す場合もあり、これは当該文脈における変化の規模の基準に依存する。人口の変動であれば5%でも “significant” と形容されうるが、株価の変動であれば5%は “slight” と形容されることが多い。文脈における基準値を推定した上で程度表現を解釈する能力は、照合の正確性に直結する。さらに、程度表現の解釈において注意すべきは否定形の取り扱いである。“did not increase significantly” は「著しくは増加しなかった」を意味するが、「増加しなかった」とは異なり、わずかな増加があった可能性を含む。このような否定形の程度表現を正確に解釈し、図表の数値と照合する能力は、微妙な整合性判定において決定的に重要である。
この原理から、程度表現と数値変化を照合する具体的な手順が導かれる。手順１では文章中の程度表現を特定し、変化の方向と程度を把握する。“increased dramatically” は「大幅な増加」、“remained relatively stable” は「ほぼ変化なし」を意味し、これらの表現から予想される数値変化の範囲を推定することで、図表との照合基準を設定できる。程度表現の特定では、動詞（increase, decrease, rise, fall, remain, fluctuate など）と修飾語（sharply, slightly, dramatically, gradually, steadily など）の組み合わせに注目する。動詞が変化の方向を、修飾語が変化の幅または速度を示すという構造を把握しておくことで、程度表現の解析を体系的に行える。手順２では図表中の対応する数値変化を確認する。対応する期間・対象のデータを特定し、具体的な変化幅（差分・比率）を把握することで、文章の記述と比較可能な形に整理できる。数値変化の確認では、絶対的な差分（例：100万人から120万人へ20万人増加）と相対的な変化率（例：20%増加）の両方を算出しておくことが望ましい。文章の程度表現が絶対量を基準としているか相対量を基準としているかが文脈によって異なるため、両方の数値を手元に用意しておくことで照合の精度が向上する。手順３では両者の整合性を判定する。文章の程度表現が示す変化の幅と図表の実際の変化幅を対比し、一致・軽微な不一致・明確な不整合のいずれに該当するかを判断することで、設問への正確な解答が可能になる。判定の際、一致と不整合の間に「程度の許容範囲」が存在することに注意が必要である。“approximately” “about” “roughly” といった概数表現が使われている場合は、一定の数値的誤差を許容した上で整合性を判定する。一方、“exactly” “precisely” といった表現が使われている場合は、精確な数値の一致が求められる。照合の判定を行う際には、照合結果を「整合」「不整合」の二値ではなく、「完全一致」「概ね整合（概数の範囲内）」「程度の不一致（方向は合うが幅が異なる）」「明確な不整合（方向が異なる）」の四段階で評価すると、設問への解答精度が向上する。
例１: 文章 “Sales increased sharply in 2019.” / グラフで2019年の売上が前年比200%増 → “sharply” と200%増は整合する → 定性的記述と定量的データの一致。
例２: 文章 “The temperature rose slightly over the decade.” / グラフで10年間に0.2度上昇 → “slightly” と0.2度は整合する → 程度表現と数値変化の一致。
例３: 文章 “There was a dramatic decline in enrollment.” / 表で入学者数が5%減少 → “dramatic” と5%減は不整合 → 文章が変化の程度を誇張している可能性。
例４: 文章 “Production levels remained stable.” / 折れ線グラフで対象期間に30%の変動 → “stable” と30%変動は不整合 → 文章の記述が図表のデータと矛盾している。
以上により、文章中の程度表現と図表の数値変化を正確に照合し、両者の整合性を判定することが可能になる。
２. 言い換え表現を介した情報の一致判定
複数の資料が同一の情報を異なる語句で表現する場合、語句の表面的な違いに惑わされず情報の同一性を判定する能力が求められる。文章が “elderly people” と表現する対象を図表が “population aged 65+” と表記する場合、両者が同一の対象を指していることを認識した上で情報を照合する必要がある。この能力は、統語層で特定した対応要素の情報内容レベルでの照合を行う段階にあたり、不整合の原因の特定を可能にする前提条件となる。
２.１. パラフレーズの識別と情報同一性の判定
パラフレーズとは何か。「同じ意味の別の言い方」という単純な理解では、パラフレーズが完全な同義ではなく、指示範囲の微妙な差異を含みうることを捉えきれない。資料間のパラフレーズの識別とは、異なる語句が指示する対象の範囲が十分に重複しており、当該文脈において同一の情報として扱えるかどうかを判定する作業である。この定義が重要なのは、“children” と “minors” のように日常的には同義に見える語句でも、法的文脈では年齢範囲が異なりうるため、文脈を考慮した判定が必要になるためである。パラフレーズの判定において最も注意すべきは、「部分的重複」の場合の処理である。指示範囲が完全に一致する場合（完全パラフレーズ）は同一情報として扱って問題ないが、部分的にのみ重複する場合（部分パラフレーズ）は、重複しない部分が設問の解答に影響するかどうかを判断する必要がある。例えば、文章の “education spending” と図表の “public expenditure on education” は、前者が公的支出と私的支出の両方を含みうるのに対し、後者は公的支出のみを指す。この差異が設問で問われていなければ同一情報として扱えるが、支出の内訳が問われている場合は別の情報として区別する必要がある。この文脈依存的な判断を正確に行う能力が、パラフレーズの識別の核心である。パラフレーズの判定は単なる語彙力の問題ではなく、指示範囲の包含関係を論理的に分析する能力の問題であるという点が重要である。語彙の意味を知っているだけでは、当該文脈での指示範囲の重複度を判定できない。文脈が限定する範囲を考慮した上で、両語句の指示対象が設問の要求に照らして十分に一致するかどうかを判断する必要がある。さらに、パラフレーズの判定を効率化するためには、頻出する言い換えのパターンを予め把握しておくことが有用である。上位語と下位語の関係、一般的呼称と年齢区分等の技術的定義の関係、定性的表現と定量的表現の関係の三パターンは特に頻出する。これらのパターンの知識は、対応要素の発見段階で既に活用しているが、情報同一性の最終判定においても同様に適用される。
この原理から、パラフレーズを識別し情報の同一性を判定する具体的な手順が導かれる。手順１では両資料の語句が指示する対象の範囲を特定する。文章の語句と図表の語句がそれぞれどの範囲の対象を指しているかを明確にすることで、比較の基盤を形成できる。指示範囲の特定では、語句の辞書的意味だけでなく、当該文脈における使用を考慮する。例えば “workers” は辞書的には「労働者全般」を指すが、文脈が製造業に限定されている場合は「製造業従事者」に範囲が限定される。図表側の指示範囲は、軸ラベルや注釈に明示されていることが多いため、比較的特定しやすい。文章側の指示範囲は、前後の文脈から推定する必要がある場合が多く、認知的負荷がやや高い。指示範囲の特定を効率化するには、語句が出現する文の主語・目的語・修飾語を確認し、文脈がどの程度範囲を限定しているかを判断する。手順２では指示範囲の重複度を評価する。両者の指示範囲が完全に一致するか、部分的に重複するか、あるいは全く異なるかを判定することで、照合の妥当性を確認できる。重複度の評価は三段階で行う。完全一致（同一の対象を異なる語句で表現しているだけ）、部分重複（一方が他方を包含する、または両者が一部のみ共通する）、不一致（異なる対象を指している）の三段階である。部分重複の場合は、重複部分と非重複部分をそれぞれ特定し、設問が求める情報がどちらに該当するかを判断する。手順３では文脈に照らして同一情報として扱えるか最終判断を行う。指示範囲に部分的な差異があっても、当該設問の文脈で問題にならない差異であれば同一情報として扱い、問題になる差異であれば別の情報として区別することで、設問が求める精度の判断が可能になる。最終判断では、設問の問い方が重要な手がかりとなる。設問が概括的な傾向を問うている場合は、部分的な差異を許容して同一情報として扱える場合が多い。一方、設問が精密な数値や範囲の特定を求めている場合は、部分的な差異であっても別の情報として区別する必要がある。
例１: 文章 “developing nations” / 表 “low-income and middle-income countries” → 指示範囲はほぼ重複 → 当該文脈では同一対象として照合可能。
例２: 文章 “young adults” / 図表 “aged 18–24” → “young adults” の一般的な指示範囲と18–24歳は概ね一致 → 同一対象として扱える。
例３: 文章 “education spending” / 表 “public expenditure on education” → 文章は公的支出と私的支出の両方を含みうる → 表は公的支出のみ → 指示範囲に差異がある → 照合時に注意が必要。
例４: 文章 “a majority of respondents agreed” / 表で賛成51% → “a majority” は過半数（50%超）を意味する → 51%は過半数に該当 → 文章と表の情報は整合する。
以上により、語句の表面的な違いを超えて指示対象の同一性を判定し、資料間の情報照合を正確に行うことが可能になる。
３. 資料間の矛盾と不整合の検出
複数の資料が同一の対象について異なる情報を提示している場合、その不一致が意図的なものか、条件の違いに起因するものか、あるいは一方の資料の誤りに起因するものかを判断する能力は、情報照合の最も高度な段階にあたる。不整合の原因の特定が、語用層で資料の信頼性と立場を評価する際の直接的な手がかりとなる。
３.１. 不整合の種類と原因の特定
資料間の不一致には「どちらかが間違っている」以外にも複数の原因がありうる。資料間の不整合とは、同一の対象に関する記述が資料間で一致しない状態を指し、その原因には条件の相違（対象期間・測定方法・定義の違い）、抽象度の差異（概数と精確な数値）、立場の違い（異なる主張を裏づける選択的提示）が含まれる。この分類が重要なのは、原因の特定が設問への正確な解答に直結するためである。条件の相違に起因する不整合は、両資料ともに正確である可能性が高く、条件の違いを認識した上で各資料の情報を適切に利用すればよい。抽象度の差異に起因する不整合は、一方が概数であるか丸め処理が行われていることによって生じるものであり、実質的な矛盾ではない。立場の違いに起因する不整合は、資料の作成者が異なる主張を支持するために情報を選択的に提示していることによって生じるものであり、各資料の情報を批判的に評価した上で判断する必要がある。不整合の原因を正確に特定できなければ、条件の違いにすぎないものを矛盾と誤判定したり、実質的な矛盾を見過ごしたりするリスクがある。不整合の検出においてもう一つ重要なのは、不整合の「重大度」を評価する能力である。不整合が設問の解答に影響を与えるかどうかは、不整合の内容と設問の要求によって異なる。概数の範囲内のわずかな差異は、設問が概括的な傾向を問うている場合には無視してよいが、精密な数値の一致を問うている場合には重要な不整合となる。不整合を検出した後に、その不整合が当該設問の文脈で重要かどうかを判断するステップが、実際の問題解決では不可欠である。さらに、不整合の検出において見落としやすいのは、「不整合が存在しないように見えるが、実は条件の違いによって比較自体が不適切である」ケースである。例えば、文章と図表の数値が一致していても、文章が季節調整後の値を引用し図表が未調整の値を示している場合、両者が同じ数値であっても同一条件での一致とは言えない。数値が一致している場合にも条件の一致を確認する習慣は、照合の信頼性を高める。
この原理から、不整合の種類と原因を特定する具体的な手順が導かれる。手順１では不整合の存在を確認する。両資料の対応箇所を照合し、記述の方向性（増加/減少）、程度（大幅/わずか）、具体的数値のいずれかが一致しないかどうかを検証することで、不整合の有無を判定できる。不整合の検出では、記事１.１で扱った程度表現と数値変化の照合手順を適用し、方向・幅・速度の三側面のいずれかに不一致がないかを体系的に確認する。方向の不一致（一方が増加、他方が減少）は最も明瞭な不整合であるが、幅の不一致（一方が「大幅」、他方の数値がわずかな変化）や速度の不一致（一方が「急速」、他方のデータが緩やかな変化）はより微妙な判定を要する。手順２では条件の相違を確認する。対象期間、測定対象の定義、データの出典が両資料で異なっていないかを確認することで、条件の違いに起因する不整合を特定できる。条件の相違の確認では、図表の注釈・脚注・出典表記が手がかりとなることが多い。“adjusted for inflation” と “nominal values” の違い、“calendar year” と “fiscal year” の違い、“including” と “excluding” で示される対象範囲の違いなど、細部の条件が不整合の原因となっている場合がある。手順３では条件が同一である場合に立場の違いを検討する。条件が一致しているにもかかわらず記述が異なる場合、各資料の主張の方向性に照らして情報が選択的に提示されている可能性を検討することで、不整合の原因を特定できる。立場の違いの検討では、語用層で詳しく扱う「報告的記述と主張的記述の区別」が予備的に必要となる。評価語を含む記述、一方向の情報のみの提示、情報の選択的な強調といった特徴が見られる場合、立場の違いに起因する不整合である可能性が高い。
例１: 文章 “Unemployment fell to 3% in 2020.” / 表 “Unemployment rate, 2020: 4.2%” → 数値の不一致 → 確認：文章は季節調整値、表は未調整値 → 条件の相違が原因。
例２: 文章A “The policy was successful.” / 文章B “The policy failed to achieve its goals.” → 評価の不一致 → 確認：文章Aは短期的成果、文章Bは長期的目標を基準 → 評価基準の違いが原因。
例３: 文章 “approximately 500 participants” / 表 “Participants: 487” → 概数と精確な数値の差異 → 抽象度の違いであり実質的な不整合ではない。
例４: 文章 “The majority supported the plan.” / グラフで賛成48%・反対42%・未回答10% → “majority” は過半数を意味するが48%は過半数に達していない → 文章の記述は不正確 → 実質的な不整合。
以上により、資料間の不整合を検出し、その原因を条件の相違・抽象度の差異・立場の違いのいずれかに分類して特定することが可能になる。
４. 数値情報の比較と計算を伴う照合
資料間の照合が単純な一致・不一致の判定にとどまらず、比率や差分の計算を伴う場合がある。文章が「２倍になった」と述べているとき、表の数値からその比率を算出して照合する必要がある。計算を伴う照合は、設問が数量的表現を含む記述の正確性を問う場合に頻出する形式であり、意味層の総合的な能力の集大成にあたる。
４.１. 計算を伴う資料間照合
上記の照合手順から、計算を伴う照合の手順が論理的に導出される。数値の照合は「同じ数字かどうかを見る」だけで完結するものではない。設問が求める照合が差分・比率・順位など計算結果に基づく場合があり、一方の資料に明示されていない数量的関係を他方の資料から算出し、その結果と元の資料の記述を対比させる作業が必要となる。この操作が重要なのは、文章が「最大の」「２倍の」「過半数の」といった表現を使用する場合、図表から対応する数値を特定して計算を行わなければ照合が完了しないためである。計算を伴う照合で特に注意すべきは、文章の数量的表現が暗黙に前提としている計算の種類を正確に特定することである。「最大の」は順位の確認を要求し、全ての項目の値を比較する必要がある。「２倍の」は比率の計算を要求し、基準値と比較値の両方を正確に特定する必要がある。「合計で」は総和の算出を要求し、対象項目の範囲を正確に把握する必要がある。「差が拡大した」は異なる時点での差分の比較を要求し、二つの差分を算出してその大小を比較する必要がある。これらの計算の種類を文章の表現から正確に読み取る能力が、計算を伴う照合の出発点である。さらに、計算結果と文章の記述を対比する際には、概数処理や端数の扱いにも注意が必要である。計算結果が1.97倍であるとき、文章の「約２倍」という記述は整合するが、「ちょうど２倍」という記述とは不整合となる。計算を伴う照合では、計算ミスそのものよりも、「何を計算すべきか」の判断の誤りが誤答の主因となることが多い。増加「量」と増加「率」の混同はその典型例であり、文章が “rate” “proportion” “percentage” といった語を含んでいれば相対的な比率の計算が、“number” “amount” “total” といった語を含んでいれば絶対量の計算が求められていると判断できる。計算の種類を文章の語彙から正確に判定する習慣を持つことが、計算を伴う照合の精度を左右する。
この原理から、計算を伴う照合を行う具体的な手順が導かれる。手順１では文章中の数量的表現が求める計算の種類を特定する。「最大の」は順位の確認、「２倍」は比率の計算、「合計で」は総和の算出を要求しており、求められる計算の種類を事前に特定することで、効率的な照合が可能になる。計算の種類の特定では、文章の表現を「求められる数学的操作」に変換する。“the highest” → 最大値の特定、“doubled” → 2倍の比率の検証、“more than half” → 過半数（50%超）の検証、“the gap widened” → 差分の増大の検証、“on average” → 平均値の算出、“combined” → 合計値の算出。この変換を正確に行えるかどうかが、手順全体の精度を左右する。手順２では図表から必要な数値を抽出する。対応する行・列・データ点を特定し、計算に必要な数値を正確に読み取ることで、計算の前提条件を整えられる。数値の抽出では、単位の確認を再度行う。手順１で特定した計算の種類によっては、異なる項目の数値を比較する必要があるが、項目間で単位が異なる場合（例：ある列が絶対数、別の列がパーセンテージ）は、そのまま比較できないため単位を統一する必要がある。また、グラフからの数値読み取りでは、目盛り線の間隔から概算値を推定する操作が含まれるため、読み取り精度に限界があることを認識しておく。手順３では計算を実行し文章の記述と対比する。計算結果と文章の記述を対比し、一致するか不整合であるかを判定することで、設問への正確な解答が可能になる。対比の際には、記事1.1で扱った程度表現の照合と同様に、概数処理の影響を考慮する。計算結果が文章の記述と完全には一致しなくても、概数の範囲内であれば整合と判定してよい場合がある。
例１: 文章 “The value in 2020 was twice that of 2015.” / 表：2015年＝150、2020年＝310 → 比率：310÷150≒2.07 → 「約２倍」と言えるため文章と整合する。
例２: 文章 “Country A had the highest GDP growth rate.” / 表：A＝3.2%、B＝3.5%、C＝2.8% → 最大値はB（3.5%）→ 文章の記述は不正確。
例３: 文章 “More than half of the budget was allocated to education.” / 表：教育250億円、総予算480億円 → 割合：250÷480≒52.1% → 過半数に該当 → 文章と表は整合する。
例４: 文章 “The gap between the two groups widened.” / 表：2018年 差＝12ポイント、2020年 差＝18ポイント → 差が拡大 → 文章の記述と整合する。
以上により、文章中の数量的表現が求める計算を正確に実行し、図表の数値との照合を完了させることが可能になる。
語用：資料の目的・立場の違いに基づく情報の評価
同じ事象を扱った報告書と新聞記事があるとき、両者が提示する情報の選び方には違いがある。報告書が網羅的にデータを提示するのに対し、新聞記事は読者の関心を引く情報を選択的に強調する傾向がある。こうした資料の目的や立場の違いは、情報の取捨選択に直接影響を与えるため、統合的読解では各資料の情報提示の意図を認識した上で情報を評価する必要がある。意味層で資料間の照合と一致・相違の判定ができるようになっていれば、その照合結果を踏まえて各資料の情報提示の意図を分析する段階に進める。語用層では、報告的記述と主張的記述の区別、情報の選択的提示の識別、資料の信頼性と限界の評価を扱う。語用層の能力がなければ、談話層で複数資料を統合した最終的な結論を導出する際に、情報の偏りを見落とし不正確な判断に至る危険がある。
【関連項目】
[基盤 M46-語用]
└ 複数資料間の前提と含意の関係を確認する
[基盤 M47-語用]
└ 複数資料における皮肉・誇張の識別方法を把握する
１. 資料の情報提示目的の識別
文章が客観的なデータの報告を目的としているのか、特定の主張の説得を目的としているのかによって、同じ事象についても提示される情報は異なる。情報提示の目的を識別する能力は、各資料の情報の偏りを認識し、統合的な判断を下すための前提条件となる。この能力は、前の層で扱った情報の照合と一致・相違の判定を前提とし、後続の記事で扱う情報の選択的提示の識別を可能にする。
１.１. 報告的記述と主張的記述の区別
一般に文章は「書かれていることがそのまま事実」と理解されがちである。しかし、この理解は記述の目的によって情報の選択と提示方法が異なることを見落としているという点で不正確である。学術的・本質的には、報告的記述とは事実の客観的な記録を目的とする記述であり、主張的記述とは特定の立場の正当性を読者に認めさせることを目的とする記述として区別されるべきものである。この区別が重要なのは、主張的記述では著者の立場に不利な情報が省略されたり、有利な情報が選択的に強調されたりする傾向があり、この傾向を認識しなければ情報を額面通りに受け取ってしまうためである。報告的記述と主張的記述の区別は二者択一ではなく連続的なものである点にも注意が必要である。完全に客観的な記述は存在しにくく、報告書であってもデータの取捨選択や提示の順序に作成者の意図が反映されうる。逆に、主張的記述であっても正確なデータを根拠として含んでいる場合がある。したがって、資料の記述を「報告か主張か」の二分法で分類するのではなく、報告的性格と主張的性格のどちらが強いかという度合いとして把握し、その度合いに応じて情報の偏りの可能性を調整して評価することが重要である。さらに、同一の資料内であっても、段落によって報告的記述と主張的記述が混在していることがある。データを提示する段落は報告的であっても、そのデータに基づいて結論を導く段落は主張的な性格を帯びることが多い。この混在を認識することで、資料の中で信頼性の高い情報（データそのもの）と慎重に評価すべき情報（データの解釈）を区別できるようになる。報告的記述と主張的記述の境界を見極める上で特に重要なのは、「データの提示」と「データの解釈」を区別する視点である。同じ段落内であっても、“The unemployment rate fell to 3.5%.” という文は報告的であり、“This remarkable achievement demonstrates the success of the policy.” という文は主張的である。前者はデータの提示であり、後者はデータの解釈に評価を加えた主張である。この一文単位の区別ができれば、資料全体の性格を段落単位で分析できるようになる。
この原理から、報告的記述と主張的記述を区別する具体的な手順が導かれる。手順１では評価語の有無を確認する。“successful,” “problematic,” “impressive” など価値判断を含む語が使用されている場合、その記述は主張的である可能性が高く、報告的記述では “increased by 20%,” “was implemented in 2019” のように価値判断を含まない表現が用いられる傾向を確認することで、記述の性質を判定できる。評価語の検出では、形容詞（“effective,” “harmful,” “remarkable”）と副詞（“unfortunately,” “importantly,” “significantly”）に特に注意する。ただし、“significant” は統計的文脈では「統計的に有意な」という客観的な意味で用いられることがあるため、文脈に照らした判断が必要である。また、動詞にも評価性を帯びるものがある。“achieved” は肯定的評価を、“failed” は否定的評価を暗示する。評価語が一つでも存在すれば直ちに主張的記述と判定するのではなく、評価語の密度と分布を確認した上で記述全体の性格を判定する。手順２では情報の網羅性を確認する。報告的記述は肯定的情報と否定的情報の両方を提示する傾向があるのに対し、主張的記述は一方の情報を優先する傾向があり、情報の偏りの有無を確認することで記述の目的を推定できる。情報の網羅性の確認では、扱われている事象について予想される多面的な側面（利点と欠点、成功と課題、短期的効果と長期的影響など）を想定し、資料がそれらの側面をバランスよく扱っているかどうかを検証する。一面的な情報提示が確認された場合、省略された側面が資料の主張に不利な情報である可能性を検討する。なお、紙幅の制約から情報が限定されている場合もあるため、一面的であるだけで直ちに意図的な省略と断定するのではなく、他の証拠（評価語の使用、出典の性質など）と総合して判断する。手順３では文章の出典と目的を確認する。学術論文・統計報告書は報告目的、社説・意見記事は主張目的である場合が多く、出典の性質から記述の目的を推定することで、情報評価の基準を設定できる。出典の確認では、著者または作成機関の立場にも注意する。政府が自らの政策について報告する場合、統計データは正確であっても解釈に肯定的なバイアスがかかりやすい。企業が自社製品の効果を報告する場合も同様である。出典が利害関係者である場合は、データそのものは信頼しつつも、データの解釈については批判的に検討するという二段構えの評価が適切である。
例１: “The unemployment rate decreased from 5.2% to 4.8%.” → 数値のみを提示、評価語なし → 報告的記述。
例２: “The government’s innovative policy dramatically reduced unemployment.” → “innovative,” “dramatically” が評価語 → 主張的記述（政策を肯定する立場）。
例３: 資料A（政府報告書）“Implementation costs totaled $2.5 billion.” / 資料B（反対派の論説）“The program wasted $2.5 billion of taxpayers’ money.” → 同一の数値に対し異なる評価 → 資料Bは主張的記述。
例４: 文章が利点のみを列挙し欠点に一切言及しない → 情報の網羅性が低い → 主張的記述の特徴 → 他の資料から欠点の情報を補完する必要がある。
以上により、資料の記述が報告目的と主張目的のいずれに基づくかを識別し、情報の偏りの有無を判定することが可能になる。
２. 情報の選択的提示の識別
同一の事象について複数の資料が異なる情報を提示している場合、各資料が「何を述べているか」だけでなく「何を述べていないか」を識別する能力が求められる。資料間の比較によって初めて省略の存在に気づくことができるという点で、この能力は複数資料の統合的読解に固有のものである。
２.１. 省略された情報の推定
情報の選択的提示とは何か。「書かれていないことは存在しない」という素朴な認識は、資料の作成者が情報を選択的に提示しうることを見落としている。情報の選択的提示とは、入手可能な情報のうち特定の部分のみを提示し、残りを省略する行為である。この概念が重要なのは、複数資料を統合する際、一方の資料で省略されている情報が他方の資料に含まれている場合があり、省略の存在を認識しなければ偏った結論を導いてしまうためである。情報の選択的提示は、主張的記述において特に顕著に現れるが、報告的記述においても紙幅の制約や作成者の優先順位によって生じうる。選択的提示と意図的な省略を区別することは困難であるが、複数資料を比較することで省略の存在を検出できるという点が、統合的読解の強みである。単一資料の読解では省略された情報に気づくことが困難であるが、複数の資料を突き合わせることで、ある資料に存在し別の資料に存在しない情報を特定でき、省略の可能性を検討できる。この「複数資料の比較による省略の検出」は、統合的読解に固有の能力であり、単一資料の読解では獲得できない認知的操作である。省略の検出が重要である理由は、省略された情報がしばしば資料の結論を覆しうる性質のものだからである。例えば、ある薬品の効果を報告する資料が副作用のデータを省略している場合、効果の情報のみに基づく判断は不完全である。省略の可能性を常に念頭に置きつつ資料を読む姿勢は、統合的読解の精度を大きく左右する。また、選択的提示には「数値の選択的提示」という形態もある。全期間のデータのうち、資料の主張を支持する期間のデータのみを提示し、主張に不利な期間のデータを省略するケースが典型的である。図表の対象期間が不自然に限定されている場合は、省略された期間に主張と矛盾するデータが存在する可能性を疑うべきである。さらに、選択的提示は「比較対象の選択」という形でも現れる。自社の業績を同業他社のうち自社より成績の悪い企業とのみ比較し、自社より業績の良い企業を比較対象から除外するといった操作は、比較対象の選択的提示にあたる。どの対象と比較するかによって結論が変わりうることを認識しておくことで、情報の偏りの検出精度が向上する。
この原理から、情報の選択的提示を識別する具体的な手順が導かれる。手順１では各資料が扱う情報の範囲をリスト化する。各資料が提示する論点・データ・期間を整理することで、資料間の情報量の差異を明確にできる。リスト化の際には、意味層で学んだ論点抽出の手順を適用し、各資料の論点を名詞句レベルで一覧化する。この一覧は、資料間の比較を視覚的に整理するための作業ツールであり、一覧の作成自体が情報の非対称性を発見する手がかりとなる。また、論点だけでなく、各論点に対して提示されているデータの種類（数値データ、定性的評価、事例、引用など）も併せて記録しておくと、情報の質的な偏りも検出しやすくなる。手順２では一方の資料にのみ存在する情報を特定する。資料Aが扱い資料Bが扱わない情報、およびその逆を特定することで、各資料の省略箇所を明らかにできる。特定の際には、リスト化した論点を突き合わせ、一方にのみ存在する論点を抽出する。この作業は統語層で学んだ「複数文章間の構造的対応」の手順と同一の操作であるが、ここでは単に対応の有無を確認するだけでなく、「なぜ一方の資料にのみ存在するのか」という原因の分析まで進む点が異なる。手順３では省略の意図を推定する。省略された情報が資料の主張に不利な内容であるかどうかを検討することで、選択的提示の意図を推定できる。省略の意図の推定は慎重に行う必要がある。省略が意図的であると断定するには、省略された情報が資料の主張と矛盾するか不利であるという証拠が必要である。紙幅の制約や資料の目的の違いによる省略の可能性も考慮し、他の証拠（評価語の使用、情報の網羅性、出典の利害関係など）と総合して判断する。なお、省略の意図が明確に判定できない場合であっても、省略の「存在」自体を認識していることは統合的読解において重要な意味を持つ。省略された情報を他の資料から補完するか、「この点については判断材料が不足している」と留保するかの判断は、省略の存在を認識して初めて可能になる。
例１: 資料A（企業の報告書）が売上増加のみを記述 / 資料B（業界分析）が売上増加に加え利益率の低下も記述 → 資料Aは利益率の情報を省略 → 自社に不利な情報の選択的省略。
例２: 文章が「参加者の90%が満足と回答」と記述 / 図表の注釈に「回答率35%」→ 回答率の低さが文章では省略されている → 満足度の信頼性に関する情報の選択的省略。
例３: 資料Aが2018–2020年のデータのみ提示 / 資料Bが2015–2020年のデータを提示 → 資料Aは2015–2017年の情報を省略 → 省略期間にデータの傾向が異なる可能性。
例４: 文章が「多くの専門家が支持している」と記述 / 別の資料が反対意見を持つ専門家の見解も提示 → 文章は反対意見を省略 → 合意の程度を誇張している可能性。
以上により、各資料が省略している情報を他の資料との比較によって特定し、選択的提示の存在を認識した上で情報を評価することが可能になる。
３. 資料の信頼性と限界の評価
複数の資料から情報を統合する際、各資料の信頼性の程度を評価し、信頼性の高い情報を優先して結論に反映させる能力が求められる。信頼性の評価は、出典の権威性だけでなく、データの収集方法や対象範囲、利害関係の有無といった複数の基準を総合的に適用することで初めて精確に行える。
３.１. データの出典と信頼性の判定基準
以上の原理を踏まえると、資料の信頼性を評価するための手順は次のように定まる。資料の信頼性は「有名な出典かどうか」で判断されることが多いが、この判断基準はデータの収集方法や対象範囲、更新時期といった信頼性の実質的な指標を考慮していないという点で不十分である。資料の信頼性の評価とは、データの出典、収集方法、対象範囲、更新時期、利害関係の有無を基準として、情報の正確性と偏りの程度を判定する作業である。この評価が重要なのは、信頼性の異なる複数の資料が矛盾する情報を提示している場合、信頼性の高い資料の情報を優先して判断に用いる必要があるためである。信頼性の評価は単一の基準で行えるものではなく、複数の基準を総合的に適用する必要がある。出典が公的機関であってもデータが古ければ現状を反映していない可能性があり、最新のデータであっても収集方法に問題があれば代表性に欠ける可能性がある。また、信頼性の評価はデータそのものの信頼性と、データの解釈の信頼性を区別して行う必要がある。公的機関が収集した数値データは高い信頼性を持つが、そのデータに基づく政策評価は作成者の立場の影響を受けうるため、信頼性の評価を別途行う必要がある。信頼性の評価において見落とされやすいのは、「信頼性が高い」と判定した資料であっても、その資料がカバーしていない側面については何も語れないという点である。信頼性の高い資料のデータを根拠として用いることは適切であるが、その資料に含まれていない情報を「信頼性の高い資料が言及していないから重要でない」と推論することは誤りである。信頼性の評価は情報の正確性に関する判断であり、情報の網羅性に関する判断とは独立した問題である。さらに、信頼性の評価には時間的文脈も考慮すべきである。かつては正確であったデータが、時間の経過によって現状を反映しなくなる場合がある。資料の発行年と扱っているデータの収集年を区別し、データの鮮度を評価に含めることで、より精確な信頼性判定が可能になる。
この原理から、資料の信頼性を評価する具体的な手順が導かれる。手順１では出典を確認する。政府統計・学術機関の調査は信頼性が高く、出典不明のデータや個人ブログの記述は信頼性が低い傾向があり、出典の種類を確認することで基本的な信頼性の水準を推定できる。出典の信頼性の序列は、査読を経た学術論文、政府・国際機関の公式統計、民間調査機関の報告、報道機関の記事、出典不明の情報という大まかな目安が成り立つ。ただし、この序列は固定的なものではなく、具体的な文脈に照らして調整する必要がある。例えば、特定の分野では民間調査機関が最も詳細なデータを保有していることがあり、政府統計よりも最新かつ詳細な情報を提供する場合がある。手順２ではデータの収集条件を確認する。標本数、対象範囲、調査時期が明示されているかどうかを確認し、これらが適切であるかを判断することで、データの代表性を評価できる。標本数が小さい場合（例：“a survey of 30 respondents”）は結果の一般化に限界がある。対象範囲が限定されている場合（例：“students at a single university”）は、他の集団にそのまま適用できない可能性がある。調査時期が古い場合（例：5年以上前のデータ）は、現状を反映していない可能性がある。これらの条件が明示されていない場合は、データの信頼性を高く評価することに慎重になるべきである。収集条件の確認では、図表の注釈や脚注に記載された “Note:” “Source:” “Methodology:” の情報が特に重要な手がかりとなる。手順３では利害関係の有無を確認する。資料の作成者が当該事象の利害関係者であるかどうかを確認し、利害関係がある場合は情報の偏りの可能性を考慮に入れることで、情報評価の精度を高められる。利害関係の確認では、作成者が当該事象から利益または不利益を受ける立場にあるかどうかを判断する。企業が自社製品の効果を報告する場合、政府が自らの政策の成果を報告する場合、業界団体が規制緩和の効果を報告する場合など、作成者の利害と報告内容の方向性が一致しているケースでは、情報の偏りの可能性を考慮する必要がある。ただし、利害関係の存在は情報の信頼性を自動的に否定するものではない。利害関係者であっても正確なデータを提示している場合は多い。利害関係は「情報の偏りの可能性を高める要因」として認識し、他の評価基準と総合して最終的な信頼性の判断を行う。
例１: 出典 “World Health Organization (2021)” → 国際機関の公式統計 → 信頼性が高い。
例２: 出典 “A survey of 50 users on social media” → 標本数が少なく対象が偏っている → 代表性に限界がある。
例３: 企業が自社製品の効果について公表したデータ → 作成者が利害関係者 → 情報の偏りの可能性を考慮する必要がある。
例４: “Source: Ministry of Education, 2023” / 図表に標本数・調査方法の注釈あり → 出典が公的機関で条件も明示 → 信頼性が高い。
以上により、資料の信頼性をデータの出典・収集条件・利害関係の三つの基準から評価し、統合的判断における情報の重みづけに活用することが可能になる。
談話：複数資料の統合による結論の導出
段落の中で主題文と支持文がどう結びつくかを把握するのが単一文章の談話的理解であるとすれば、複数の資料から得た情報を統合して一つの結論を導出するのが複数資料の談話的理解にあたる。意味層で各資料間の情報の一致・相違を判定し、語用層で各資料の目的・立場の違いに基づく情報の偏りを評価した上で初めて、複数の情報を統合した結論を正確に導出できる。品詞や文型の識別が文の内部構造を把握する作業であったように、資料の統合は複数の情報源を横断する外部構造の把握にあたる。談話層では、資料横断的な推論、根拠を伴う結論の構成、設問形式に応じた統合的解答を扱う。談話層で確立する統合的結論の導出能力は、複数資料型の出題において最終的な解答を構成する際に発揮される。
【関連項目】
[基盤 M54-談話]
└ 複数資料の論理展開パターンの比較・統合の方法を理解する
[基盤 M55-談話]
└ 複数資料を統合した要約の手順を把握する
[基盤 M56-談話]
└ 図表読解の技術を複数資料の統合にどう活用するかを確認する
１. 複数資料の情報統合による推論
単一の資料からは導けないが、複数の資料の情報を組み合わせることで初めて導出できる結論が存在する。文章が「原因」を記述し、図表が「結果」の数値を示している場合、両者を統合して因果関係を確認するという作業は、資料の統合的読解の中核をなす。この能力は、語用層で各資料の目的や信頼性を評価した結果を前提とし、後続の記事で扱う結論の表現と設問形式への対応を可能にする。
１.１. 資料横断的な推論の手順
一般に推論は「一つの文章の中で行うもの」と理解されがちである。しかし、この理解は複数資料型の設問が資料間の情報を組み合わせた推論を求めることを見落としているという点で不正確である。学術的・本質的には、資料横断的な推論とは、個別の資料それぞれからは直接導出できない結論を、複数の資料の情報を組み合わせることで論理的に導出する作業として定義されるべきものである。この能力が重要なのは、複数資料型の設問の多くが「どの資料にも明記されていないが、資料を組み合わせれば分かる」という形式で出題されるためである。資料横断的な推論では、情報の結合の論理的妥当性に特に注意する必要がある。資料Aの情報と資料Bの情報を結合して結論を導出する際、両者の情報が同一の条件下で成立する情報であることを確認しなければならない。例えば、資料Aが2019年の状況を記述し、資料Bが2022年のデータを示している場合、両者を単純に結合して因果関係を推論することには問題がある。条件（時期・対象・範囲）の一致を確認した上で情報を結合するという手順は、意味層で学んだ不整合の原因の特定と同じ論理に基づいている。さらに、資料横断的な推論では「相関関係」と「因果関係」の区別が重要である。文章が「原因」を記述し図表が「結果」の数値を示している場合であっても、両者の間に因果関係が成立するかどうかは、時間的先行性（原因が結果より先に生じているか）、共変動性（原因の変化と結果の変化が対応しているか）、第三変数の排除（他の要因で説明できないか）の三つの条件を検討する必要がある。資料横断的な推論で陥りやすい誤りのもう一つの典型は、「一方の資料の情報を他方の資料の文脈に無批判に適用する」ことである。資料Aが「ある政策の効果」を報告し、資料Bが「別の国での類似政策」について言及している場合、両者の文脈（国・時期・条件）の違いを無視して一方の結果を他方に適用すると、不適切な一般化となる。資料横断的な推論は、情報の結合と同時に、結合の妥当性の検証を伴う作業であることを認識しておく必要がある。加えて、推論の確実性には段階がある点も重要である。資料から論理的に必然的に導かれる結論と、蓋然性の高い推論と、可能性の段階にとどまる推測とを区別し、推論の確実性の段階に応じた適切な表現を用いることが、解答の精度を左右する。
この原理から、資料横断的な推論を行う具体的な手順が導かれる。手順１では設問が求める結論を明確にする。設問が「原因」「影響」「傾向」「比較」のいずれを求めているかを特定することで、必要な情報の種類と組み合わせ方を事前に計画できる。設問の要求の特定は、解答全体の方向性を決定する最初のステップであり、この段階で設問の要求を誤ると、正しい情報を収集しても的外れな結論に至る。設問の主語・動詞・目的語を正確に読み取り、「何について」「どのような判断を」求められているかを明確にする。特に “Based on both sources” “According to the passage and the table” といった複数資料への言及を含む設問は、資料横断的な推論を要求していることを示すシグナルである。手順２では各資料から結論の導出に必要な情報を抽出する。設問の要求に応じて、文章から原因・背景の情報を、図表から数値的根拠を抽出し、必要な情報をそろえることで推論の前提条件を整えられる。情報の抽出では、意味層で学んだ対応要素の特定と照合の手順を適用する。抽出した情報は、「出典（どの資料から）」「内容（何の情報か）」「条件（いつ・何について・どの範囲で）」の三つの属性を明確にした上で整理する。この整理により、情報を結合する際の条件の一致を検証しやすくなる。手順３では抽出した情報を論理的に結合して結論を導出する。文章の因果関係の記述と図表の数値変化を対応づけるなど、情報間の論理的関係を明示的に構成することで、根拠のある結論を導出できる。結合の際には、条件の一致（同一の時期・対象・範囲に関する情報であること）を確認し、因果関係を主張する場合は時間的先行性・共変動性・第三変数の排除の三条件を検討する。推論の結果として導出された結論には、確証の度合いに応じた適切な表現を用いる。資料から確実に導出できる結論には断定的表現を、蓋然性の高い推論には留保を付した表現を、可能性の段階にとどまる推論には更に慎重な表現を用いることで、推論の妥当性を正確に伝えられる。
例１: 文章 “The new regulation was introduced in April 2019.” / グラフで2019年4月以降に数値が急変 → 文章の「規制導入」とグラフの「数値急変」を統合 → 規制導入が数値変化の原因である可能性を推論。
例２: 文章A “Region X experienced severe drought in 2020.” / 表で2020年のRegion Xの農業生産量が激減 → 干ばつと農業生産量の減少の因果関係を推論。
例３: 文章 “Company A invested heavily in R&D.” / 表でCompany Aの特許出願数が他社の3倍 → R&D投資と特許出願数の相関を推論。
例４: 文章B “Education spending correlates with literacy rates.” / 表でCountry Yの教育支出が高く識字率も高い → 文章の主張を表のデータが裏づける → 主張の妥当性を確認する推論。
以上により、個別資料からは直接導出できない結論を、複数資料の情報を論理的に結合して導出する能力が確立される。
２. 統合的結論の表現と根拠の明示
資料を統合して導出した結論を設問の形式に合わせて表現する際、結論だけでなく、その根拠となった資料の情報を明示する能力が求められる。根拠なしに結論のみを提示した解答は、たとえ結論が正しくても設問の要求を十分に満たさない場合がある。
２.１. 根拠を伴う結論の構成
では、統合的な結論を設問の要求に応える形で構成するにはどうすればよいか。「結論を書けばよい」という素朴な理解は、設問が結論の根拠の明示を求める場合があることを見落としている。統合的結論の表現とは、複数の資料から得た情報を根拠として明示しながら、論理的に妥当な結論を構成する作業である。この能力が重要なのは、根拠なしに結論のみを提示した解答は、たとえ結論が正しくても設問の要求を満たさず減点対象となりうるためである。根拠を伴う結論の構成では、「結論」「根拠」「論理的接続」の三要素を明示的に提示する構造が基本となる。結論は設問の問いに直接答える部分であり、根拠は結論を支持する資料の情報であり、論理的接続は根拠から結論への推論過程を示す部分である。三要素のうちいずれか一つでも欠落すると、解答の完成度が低下する。特に、論理的接続の欠落は頻出する問題であり、根拠と結論を並列的に提示しただけでは、両者の関係が読み手に伝わらない。根拠から結論への推論過程を接続表現（“therefore,” “this suggests that,” “given that…it follows that…”）で明示することが、完成度の高い解答の条件である。さらに、根拠の提示においては出典の明示が重要である。「文章によれば」「表のデータによると」のように根拠の出典を明記することで、根拠の検証可能性が確保され、解答の信頼性が向上する。複数資料を統合した結論であることを示すために、少なくとも二つの資料からそれぞれ一つ以上の根拠を提示することが望ましい。根拠の提示順序にも注意が必要である。最も確実な根拠（数値データなどの客観的情報）を最初に、補助的な根拠（定性的記述、間接的な証拠）を後に提示する構成が、解答の説得力を高める。また、結論に対する反論や留保事項がある場合は、それらを最後に付記することで、結論の妥当性の範囲を明確にできる。結論の限界を自ら認識し提示する能力は、統合的読解の成熟度を示す指標であり、発展的な設問ではしばしば明示的に求められる。加えて、結論と根拠の対応関係が一対一であるとは限らない点にも注意が必要である。一つの結論が複数の根拠によって支えられる場合、根拠の相互関係（補完的か独立か）を明示することで、結論の堅牢性を読み手に伝えることができる。
この原理から、根拠を伴う結論を構成する具体的な手順が導かれる。手順１では結論を一文で明確に述べる。設問の問いに直接答える形で結論を提示することで、解答の方向性を明確にできる。結論は設問の語句を利用して述べることが効果的である（設問 “What caused the decline?” に対し “The decline was primarily caused by…”）。結論を最初に提示することで、後続の根拠と論理的接続が結論を支持するという構造が明確になる。ただし、結論に含まれる主張の強さは、根拠の確証度に応じて調整する。確実な根拠に基づく場合は断定的に、蓋然性の高い推論に基づく場合は留保を付して述べる。手順２では結論を支持する根拠を各資料から提示する。「文章によれば～」「図表では～」のように根拠の出典を明示しながら情報を提示することで、結論の信頼性を保証できる。根拠の提示では、資料の情報を正確に引用または要約する。数値データは具体的な数字を含めて提示し、定性的情報は原文の表現を可能な限り保持する。根拠が複数資料にまたがる場合は、各根拠がどの資料に由来するかを明示し、根拠間の関係（補完・対比・裏づけ）も明らかにする。手順３では根拠から結論への論理的接続を明示する。「したがって」「このことから」等の接続表現を用いて、根拠と結論の間の論理的関係を明確にすることで、推論の妥当性を示せる。論理的接続の明示では、根拠から結論に至る推論のステップを省略せずに示す。根拠Aと根拠Bからどのような中間的推論を経て最終的な結論に至ったかを、読み手が追跡できる形で記述する。また、結論の限界や留保事項がある場合は、論理的接続の部分で併せて言及する。
例１: 設問 “What caused the decline in sales?” → 結論：「新規制の施行が売上減少の主因である。」→ 根拠１（文章）：「2020年4月に新規制が施行された。」→ 根拠２（グラフ）：「2020年4月以降、売上が前年比30%減少している。」→ 論理的接続：「規制施行の時期と売上減少の時期が一致していることから、規制が売上減少の主因であると推論できる。」
例２: 設問 “Do the two authors agree on the effectiveness of the program?” → 結論：「効果の評価で一致していない。」→ 根拠１（文章A）：「短期的には成功したと評価。」→ 根拠２（文章B）：「長期的目標は達成されていないと評価。」→ 論理的接続：「評価の基準が異なるため、両者の評価は表面上矛盾するが、評価の時間軸の違いに起因する。」
例３: 設問 “Which country benefited most from the trade agreement?” → 結論：「Country Bが最も恩恵を受けた。」→ 根拠（表）：「Country Bの輸出額が協定後に45%増加し、他国の増加率を大幅に上回る。」→ 根拠（文章）：「Country Bの主要輸出品が協定の関税撤廃対象に含まれていた。」→ 論理的接続：「関税撤廃の対象品目とCountry Bの輸出構造の一致が、最大の恩恵をもたらした。」
例４: 設問 “Based on both sources, what can be predicted about future trends?” → 結論：「今後も増加傾向が続く可能性が高い。」→ 根拠１（グラフ）：「過去5年間で一貫した上昇傾向。」→ 根拠２（文章）：「増加の構造的要因（人口動態・政策）は今後も持続する。」→ 論理的接続：「傾向の持続と構造的要因の継続から、増加傾向の継続が推論できる。」
以上により、複数資料の情報を統合した結論を、根拠と論理的接続を明示した形で構成する能力が確立される。
３. 設問形式に応じた統合的解答の構成
複数資料の統合を求める設問には、選択式・記述式・正誤判定など複数の形式がある。設問形式に応じて、統合した情報をどのように解答に反映させるかを判断する能力が、実際の試験での得点に直結する。
３.１. 選択式・正誤判定における資料統合
上記の定義から、選択式問題における資料統合の手順が論理的に導出される。「選択肢を読んで正しいものを選べばよい」という素朴な理解は、複数資料型の選択式問題では各選択肢が複数の資料の情報を組み合わせた内容になっていることを見落としている。複数資料型の選択式問題における解答とは、各選択肢の記述内容を複数の資料の情報と照合し、全ての資料と整合する選択肢を選定する作業である。この定義が重要なのは、一つの資料とのみ整合し他の資料と矛盾する選択肢が誤答として設定される場合が多く、全資料との照合を怠ると誤答を選んでしまうためである。選択式問題における誤答の典型的な設計パターンを把握しておくことで、消去法の精度を高められる。第一のパターンは「一部正確・一部不正確」であり、選択肢の前半は資料と整合するが後半が矛盾するケースである。第二のパターンは「一方の資料のみと整合」であり、文章の情報とは合致するが図表のデータとは矛盾するケースである。第三のパターンは「拡大解釈」であり、資料の情報を超えた一般化（“always,” “all,” “never” を含む記述）がなされているケースである。第四のパターンは「因果の逆転」であり、資料では相関が示されているだけなのに因果関係として記述されているケースである。これらの誤答パターンを意識的に検出することで、正答の絞り込みが効率化される。選択式問題では、正答を直接見つけようとするよりも、誤答を消去する方が効率的な場合が多い。正答は全ての資料と整合する必要があるが、誤答は一つの資料とでも矛盾すれば消去できるため、消去に必要な検証量は正答の確認に必要な検証量よりも少ない。ただし、全選択肢を消去法で処理した後に残った選択肢が本当に正答であることを、最終的に肯定的に確認するステップは省略すべきではない。加えて、“not” “except” “least” などの否定語を含む設問は、求められる判断の方向が通常と逆転するため、設問の読み取りに特に注意が必要である。
この原理から、選択式問題で資料を統合して解答する具体的な手順が導かれる。手順１では各選択肢の内容を分解する。選択肢が複数の情報要素を含んでいる場合、各要素を個別に抽出することで、資料との照合を要素ごとに行える。選択肢の分解では、主語・述語・目的語・修飾語をそれぞれ独立した情報要素として分離する。例えば “Sales in Region A increased by 20% due to the new marketing strategy.” という選択肢は、「Region Aの売上」「20%の増加」「新マーケティング戦略が原因」の三つの要素に分解できる。分解後の各要素を個別に検証することで、どの要素が不正確であるかを特定でき、効率的な消去が可能になる。なお、修飾語に含まれる情報（“throughout the entire period,” “all respondents,” “the only factor” など）は見落としやすいが、これらの修飾語が選択肢の正誤を決定することが多いため、特に注意して分解対象に含める。手順２では各要素を該当する資料と照合する。要素ごとに「文章のどの記述」「図表のどのデータ」と対応するかを特定し、一致するかどうかを確認することで、選択肢全体の妥当性を判定できる。照合では、意味層で学んだ程度表現の照合、パラフレーズの識別、不整合の検出の手順を適用する。要素ごとの照合結果を「一致」「不一致」「照合不能（対応する情報が資料にない）」の三段階で記録し、全要素の照合が完了した段階で選択肢全体の妥当性を判定する。手順３では全要素が全資料と整合する選択肢を選定する。一つでも不整合な要素を含む選択肢を消去することで、正答を絞り込める。消去法の適用では、「不一致」の要素を含む選択肢を優先的に消去し、「照合不能」の要素のみを含む選択肢は最後まで保留する。全選択肢が消去された場合は、照合の前提（対応要素の特定やパラフレーズの判定）に誤りがないかを再検討する。複数の選択肢が残った場合は、各選択肢の「一致」の要素数を比較し、より多くの資料情報と整合する選択肢を選定する。
例１: 選択肢 “Sales in Region A increased by 20% due to the new marketing strategy.” → 要素分解：①Region Aの売上が20%増加 ②原因は新マーケティング戦略 → 表で①を確認（20%増：一致）→ 文章で②を確認（マーケティング戦略ではなく価格改定が原因と記述：不一致）→ この選択肢は誤答。
例２: 正誤判定 “Both authors agree that technology has improved educational outcomes.” → 文章Aで「技術が教育成果を向上させた」と記述（一致）→ 文章Bで「技術の効果は限定的」と記述（不一致）→ “Both authors agree” は不正確 → 誤の判定。
例３: 選択肢 “Country C had the lowest growth rate throughout the entire period.” → 表で各年のデータを確認 → 2018年にCountry CよりCountry Dの成長率が低い → “throughout the entire period” が不正確 → この選択肢は誤答。
例４: 選択肢 “The graph and the passage both support the conclusion that demand will continue to rise.” → グラフで上昇傾向を確認（一致）→ 文章で「需要は増加を続ける」と記述（一致）→ 両資料と整合 → この選択肢は正答の候補。
以上により、複数資料型の選択式・正誤判定問題において、各選択肢の要素を資料と個別に照合し、全資料と整合する解答を正確に選定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、統語層における資料形式の識別と構造的対応の把握から出発し、意味層における情報照合と一致・相違の判定、語用層における資料の目的・立場の違いに基づく情報の評価、談話層における複数資料の統合による結論の導出という四つの層を体系的に学習した。これらの層は段階的に積み重なる関係にあり、統語層で各資料の構造的特徴を把握する能力が意味層での情報照合を可能にし、意味層で情報の一致・相違を判定する能力が語用層での情報評価を支え、語用層で資料の偏りを識別する能力が談話層での統合的結論の導出を実現するという階層的な構造を形成している。
統語層では、文章資料と図表資料のそれぞれがどのような形式で情報を配列しているかを識別し、資料間で同一の対象に言及している箇所を特定する能力を確立した。段落の主題文を手がかりに文章内の情報配置を把握する技術、図表のタイトル・軸ラベル・単位・凡例・注釈を正確に読み取る技術、語句の表面的な一致ではなく指示対象の同一性に基づいて対応要素を発見する技術、情報が存在しない場合にその不在を積極的に認識する技術、そして異なる形式の資料間で情報を変換して照合を効率化する技術を習得した。特に、対応要素の不在を認識する技術は、不適切な照合を防止し、「判断できない」という結論を正確に導出するために不可欠な能力であった。
意味層では、統語層で特定した対応要素について情報の内容レベルでの照合を行い、一致・相違・不整合を判定する能力を確立した。程度表現と数値変化の照合では、変化の方向・幅・速度という三つの側面を独立に検証する手順を学んだ。パラフレーズを介した情報同一性の判定では、指示範囲の重複度を三段階で評価し、文脈に照らした最終判断を行う技術を習得した。不整合の原因の特定では、条件の相違・抽象度の差異・立場の違いという三つの類型に分類する方法を学び、計算を伴う数値照合では、文章の数量的表現が求める計算の種類を正確に特定し実行する技術を確立した。
語用層では、各資料の情報提示目的と立場の違いを識別し、情報の偏りを認識した上で情報を評価する能力を確立した。報告的記述と主張的記述の区別では、評価語の有無、情報の網羅性、出典の性質という三つの基準から記述の目的を判定する技術を学んだ。情報の選択的提示の識別では、複数資料の比較によって省略された情報を検出し、省略の意図を推定する方法を習得した。資料の信頼性の評価では、出典・収集条件・利害関係の三つの基準から信頼性を総合的に判定する技術を確立した。これらの評価能力は、単一資料の読解では獲得できない、統合的読解に固有の認知的操作である。
談話層では、個別の資料からは導出できない結論を複数の資料の情報を組み合わせて導出し、根拠と論理的接続を明示した形で解答を構成する能力を確立した。資料横断的な推論では、設問の要求の特定、各資料からの情報抽出、情報の論理的結合という三段階の手順を学んだ。根拠を伴う結論の構成では、結論・根拠・論理的接続の三要素を明示的に提示する構造を習得した。設問形式に応じた統合的解答では、選択肢の要素分解と資料との個別照合による消去法を確立した。
これらの能力を統合することで、文章・図表・グラフなど異なる形式で提示された複数の資料から、必要な情報を効率的に抽出し、照合し、評価し、統合的な結論を導出する力を身につけた。このモジュールで確立した原理と技術は、後続のモジュールで学ぶ英文読解の発展的な内容の前提となる。