「以下のグラフを読み取り、あなたの考えを述べよ」――この設問は経済学部・社会学部・教育学部などで頻出する。資料読解型は他の形式と違って「数字を正確に読み取る力」が前提になる。読み違えると、その後の論述がどれだけ立派でも評価されない。
この記事では、資料読解型小論文の解き方を、グラフ・統計の読み方から論述への接続まで具体的に整理する。相関と因果の区別、よくある読み違いパターン、避けるべきNGを解説する。
筆者は AI 小論文添削サービス lonova 編集部。資料読解型の答案を採点してきた経験から、「読み違い」「数字を活かせない論述」「相関と因果の混同」を見続けてきた。
資料読解型の特徴
資料読解型は他の小論文形式と比べて3つの特徴がある。
1. 正確な読み取りが前提
提示されたデータを正確に読めるかが、答案の評価を大きく左右する。読み違いは致命的だ。
2. データを論述に接続する力が問われる
数字を引用するだけでは弱い。「この数字から何が言えるか」「なぜこの数字になるのか」を論じる力が見られる。
3. 因果関係への注意
データから因果関係を導くのは難しい。「相関がある = 因果がある」ではない。この区別ができるかどうかで論述の質が変わる。
出題される資料の3パターン
資料読解型で出題される資料は3パターンに分けられる。
パターン1：単一のグラフ・表 「以下のグラフから読み取れる傾向を踏まえ、〜について論じよ」 1つの資料から論点を抽出する。
パターン2：複数の資料の比較 「以下の資料Aと資料Bを比較し、〜について考察せよ」 複数の資料の対比・関連性を整理する。
パターン3：資料 + 課題文の組み合わせ 「以下の課題文と資料を踏まえ、〜について述べよ」 読解と統計の両方を扱う複合型。
このうちパターン2が最も多く、パターン3は難関校で出題される。
採点者が見ている3つの読解力
資料読解型の採点者が見ているのは、3つの読解力だ。
1. 数字を正確に読めるか
縦軸・横軸の単位、データの範囲、注釈、出典。基本的な読み取りができているか。「2020年の◯◯は◯%」と書いたときに、正しい数字を引いているか。
2. 傾向の特徴を見抜けるか
数字を読むだけでなく、「上昇傾向」「特定の年に急変」「他項目との対比」など、データの特徴を見抜く力。これがないと読み取りが表面的になる。
3. 数字の意味を解釈できるか
数字そのものより「その数字が何を意味するか」を考えられるか。たとえば「失業率が低下した」という事実から、「景気回復のサインなのか、労働市場から退出した人が増えただけなのか」を考えられる。
グラフ・統計の読み方
データを読むときの手順を整理する。
ステップ1：軸と単位を確認する
縦軸と横軸が何を表しているか。単位は何か（%、円、万人など）。これを最初に確認しないと、数字の意味を取り違える。
ステップ2：データの範囲を見る
何年から何年までのデータか。サンプル数はどれくらいか。一部のデータだけで全体を語っていないか。
ステップ3：注釈と出典を読む
「※20歳以上」「※2020年は推計値」のような注釈を見落とすと、論述で大きな誤りを犯す。出典が信頼できる機関か（政府統計、国際機関）も確認する。
ステップ4：傾向と特徴を抽出する
- 上昇・下降・横ばい
- 急変があった時期
- 項目間の差
- 他の指標との関連
これらを3-4個メモする。
複数資料の比較
複数の資料を比較する場合のコツ。
コツ1：共通点と相違点を整理する
両方の資料に共通する傾向と、対照的な傾向を分ける。「両資料とも◯◯を示すが、〜の点で異なる」のように整理する。
コツ2：時系列の対比
片方が経年データ、もう片方が単年データ、というケースが多い。時間軸を踏まえて読む。
コツ3：因果関係の仮説を立てる
複数の資料の関連性から、因果関係の仮説を立てる。ただし「仮説」であって「断定」ではない。データだけで因果を断定するのは避ける。
コツ4：補完的に読む
片方の資料の弱点を、もう片方の資料がカバーしている、というケースもある。両方を見て初めて全体像が見える設計の出題が多い。
数字を論述に接続する方法
データを読み取ったら、論述に接続する。
ステップ1：データから抽出した事実を1文で示す
「資料Aによれば、◯◯は2010年から2020年で◯%減少している」のように、客観的な事実を簡潔に述べる。
ステップ2：その事実の意味を解釈する
「これは〜という現象を示唆する」「この変化の背景には〜が考えられる」のように、データの解釈を加える。
ステップ3：自分の論点に接続する
データ → 解釈 → 自分の主張、という流れで論述する。データが論述の根拠になるよう接続する。
ステップ4：複数のデータを根拠の柱にする
主張を支える根拠として、複数のデータを使う。1つのデータだけだと根拠が弱い。
相関と因果の区別
資料読解型で最も重要な概念が「相関と因果の区別」だ。
相関：2つの変数が一緒に変化する関係 例：アイスクリームの売上と水難事故の数が両方とも増える
因果：一方が他方の原因になる関係 例：気温が上がるとアイスクリームの売上が増える
アイスクリームと水難事故の例では、両者に相関はあるが、アイスクリームが水難事故の原因ではない。両方とも「気温の上昇」という共通の原因（交絡因子）があるためだ。
入試小論文で資料を読むとき、「相関があるから因果がある」と断定すると論理性で大きく減点される。代わりに「相関が見られる。背景には〜が考えられる」と慎重に書く。
→ 資料読解型の答案を AI で採点する（無料・1日3件まで）
資料読解型でやりがちなNG
資料読解型で減点される答案には共通パターンがある。
- 数字の読み違い：縦軸・単位を誤る、ピーク値を取り違える
- 資料を無視した自説：データを読み取らずに自分の意見だけ書く
- データの羅列：数字を並べるだけで論述に活かせていない
- 相関と因果の混同：「Aが増えたからBが起きた」と断定
- 一部のデータで全体を語る：特殊な部分だけ引用して結論
- 出典の信頼性無視：怪しい出典のデータを根拠にする
- 時系列の取り違え：「最近の傾向」と書いて古いデータを引用
これらは AI 採点で「設問適合」「論理性」「具体性」軸の低スコアとして現れる。
自分の答案をAIで採点する
資料読解型は「読み取りの正確性」「数字と論述の接続」が評価軸だ。これらは自己採点しにくい。書いている本人は正しく読み取れたつもりでも、客観的にはズレているケースが多い。
AI 採点を使うと、論述の構造・データの活用・論理飛躍などが軸別スコアで可視化される。資料の読み取り自体は AI でも完全評価が難しいが、「読み取り後の論述」の質は AI が客観的に評価してくれる。
→ 資料読解型の答案を AI で採点する（無料・1日3件まで）
まとめ
資料読解型小論文の解き方の要点をまとめる。
- 出題は3パターン（単一資料・複数比較・資料+課題文）
- 採点者は「正確な読み取り・傾向の特徴・意味の解釈」を見る
- データの読み方は「軸と単位 → 範囲 → 注釈と出典 → 傾向」の4ステップ
- 数字を論述に接続するときは「事実 → 解釈 → 主張」の流れで
- 相関と因果の区別が最重要。混同すると論理性が大きく落ちる
- 「数字の読み違い」「データ無視の自説」「相関を因果と断定」が NG パターン
数字に強くなる練習は、新聞の社説や経済記事を読むことから始められる。
よくある質問
グラフの読み取りが苦手な場合、どう練習すればいいですか？
新聞や政府統計サイトのグラフを毎日1つ読む練習を続ける。「縦軸は何か」「ピークはいつか」「他項目との対比」の3点を確認する習慣をつけると、入試で初見のグラフでも対応できる。
数字を正確に覚える必要がありますか？
入試では資料に必要な数字が示されるので、暗記不要。重要なのは「示された数字を正確に読む力」と「数字の意味を解釈する力」だ。
資料に書かれていない知識を答案に入れていいですか？
入れていい。むしろ資料だけで論じる答案は浅く見られる。資料を踏まえつつ、自分が知っている関連情報・事例・概念を加えると論述に厚みが出る。ただし資料の内容と矛盾する情報は避ける。
