Ваших знаний о Data Sufficiency недостаточно

На прошлой неделе мы сообщили, что вы не заслуживаете 700 баллов на GMAT. К нашему удивлению, реакция на эту статью была намного положительнее, чем её название. Студентам было приятно услышать правду о том, что оказаться среди топ 10% сдающих GMAT не так легко. Для этого непременно потребуется находчивость, а не простая зубрежка содержания. Поэтому сегодня мы решили «обнажить» ещё одну горькую правду: того, что вы знаете о Data Sufficiency, скорее всего, не достаточно.

Во-первых, мы хотим в который раз вам напомнить – то, что вы вообще рассматриваете возможность сдачи GMAT является критерием вашей высокой успеваемости в школе. Люди, которые принимают решение сдать этот тест, не просто окончили колледж. Они закончили его с высокими баллами, которые позволяют им строить планы на получение высшего образования. Также, они – успешны на работе, поэтому считают бизнес школу идеальным вариантом продолжения своего профессионального пути. Здесь вы соревнуетесь с лучшими. Наподобие того, как те, кто выступают на Олимпийских Играх уже прошли отбор и стали лучшими в своей стране – все, кто сдают GMAT, успешно сдали уже несколько стандартных экзаменов и считают себя достаточно подготовленными для сдачи этого теста. Чтобы получить 700 и выше на GMAT вам нужно победить 90% других сдающих. Жесткая конкуренция!

Поэтому не приятно слушать как все претенденты на 700+ говорят о их мастерстве в разделе Data Sufficiency. Многие думают, что если он могут рассказать всё о вопросах такого типа – это гарантирует им успех на тесте:

*Варианты ответов неизменны

*Варианты ответов можно исключать с помощью мнемонической схемы запоминания ответов (AD/BCE – разбивка вариантов для первого утверждения; 1-2-T-E-N, чтобы запомнить значение вариантов ответа по порядку)

*Когда вы ответили на первое утверждение – вам нужно немедленно забыть ответ, чтобы вы смогли без предубеждения разобрать второй вопрос

*Если вы понимаете, что можете подсчитать ответ – вам не нужно до конца решать пример. Само понимание возможности подчета дает вам уверенность, что данные обоснованы.

Все – 700+ у вас в кармане. Не так ли?

Проблема в том, что такой подход никак не поможет вам превзойти в мастерстве 80% сдающих и попасть в топ 10%. Конечно, многие приходят на тест, не имея в активе даже таких знаний, но, как минимум половина класса, точно  ими владеет. Поэтому, если ваша цель топ 10% – вы не сможете чувствовать себя комфортно, когда 50% класса подготовлены так же хорошо, как и вы.

Итак, что же можно предпринять? Научитесь «играть» в Data Sufficiency, которая по сути представляет собой нечто средне между логическим пазлом / стратегической игрой и математическим вопросом. Рассмотрите следующий пример:

Комплект J состоит из элементов {2, 7, 10, 12, a}.  Целое a > 7?

(1) a – медиана комплекта J

(2) В комплекте J нет моды

Если вы считаете, что комплект J обоснован (sufficient) - вы не одиноки. С вами согласятся большинство тех, кто в итоге получит средний балл или немного выше на GMAT (те, кто получат меньше, скорее всего в принципе не понимают, что такое медиана и в чем специфика Data Sufficiency, но вы же не будете сравнивать себя с этими людьми). Смоделируем ход ваших мыслей – если медиана – среднее число, то оно должно располагаться третьим - :  2, 7, a, 10, 12. В таком случае, оно стояло бы между 7 и 10, а значит – было больше 7.

Или нет?

Утверждение два однозначно не подходит. Оно не объясняет самой сути а. Так почему же такой вариант вообще появился? Оно указывает вам на то, что в комплекте J ни одна цифра не повторяется. Поэтому, мы делаем выводы, а не может быть равной 2, 10, 12 и, что более важно, 7. А это главное потому, что, вернувшись к первому утверждению – вы рассматривали вариант, когда а равняется 7? Если это так, то ряд будет выглядеть следующим образом – 2,7, 7, 10, 12. И а становится медианой…и она также не больше 7. Вот и получается, что теперь к нашему предыдущему ответу «да» добавляется ответ «нет». Сейчас кажется, что первое утверждение не обосновано (NOT sufficient).

Теперь, если вы хотите доказать, что достойны высоких баллов на тесте – вы должны сказать себе: «Стоп! Я не должен думать о первом утверждении, когда рассматриваю второе!». С учетом этого – варианты ответов B и D требуют, чтобы второе утверждение было обосновано независимо от первого – это часть ваших недостаточных знаний о Data Sufficiency. Когда вы принимаете решение об обоснованности второго утверждения, вы также должны определить, предоставляет ли оно вам решение, которого вы не увидели, рассматривая первое утверждение. Если утверждение гласит:

“x – целое” – подумайте, рассматривали ли вы нецелые числа, когда анализировали другое утверждение;

“x – положительное” – подумайте, рассматривали ли вы отрицательные числа и 0, когда анализировали другие утверждения;

“Комплект J не имеет моды” – подумайте, рассматривали ли вариант, что элементы ряда J могут повторяться.

Почему это не нарушает принцип «рассматривайте каждое утверждение независимо»? Потому, что вы ещё не выбираете вариант ответа, который использует оба утверждения – вы только планируете. Представьте, что вы играете в шахматы против хорошего игрока, и он решает пройти своим слоном всю доску по диагонали. Он задерживает палец на слоне, а потом вдруг передумывает и ходит конем, а вы продолжаете играть так, если бы он походил слоном, не обращая внимания, что ход был сделан конем. Но вы будете плохим игроком, если не спросите себя «какой ход он планировала слоном» и «что его испугало и заставило в последний момент поменять решение, какое слабое место». Та же ситуация и с Data Sufficiency. Когда второе утверждение гласит «Ряд J не имеет моды» – вам нужно «играть» по правилам, которые задает исключительно это одно утверждение. Но будет глупо не проверить – возможно второе утверждение даст вам подсказку о том, что нужно проверить в первом.  

Аналогия с шахматами срабатывает в большинстве случаев. Помните популярное высказывание: «он играл в шахматы в то время, когда остальные играли в шашки».  Чтобы оказаться среди топ 10% на GMAT – вам нужно быть больше, чем игроком в шашки. Вы должны научиться играть в шахматы, более стратегическую игру. Шашки – не плохо, просто их не достаточно.  Когда речь идет о Data Sufficiency, стратегия «шашек» уместна и правильна, но она никак не поможет вам справиться с трудными вопросами – они ей не под силу.

Думайте следующим образом – второе утверждение в вышеприведенном вопросе точно не подходит. Это означает, что автор вопроса преднамеренно исключил варианты B и D – никто из сдающих не должен их выбирать. Таким образом, вам легче выбрать – шансы угадать ответ увеличиваются с 1/5 до 1/3. Но, после такого упрощения, в задании непременно должен быть реванш, не так ли? Автор сделал его сложным – если одно утверждение легкое – второе наверняка требует серьезных размышлений. И здесь вы можете проявить свое мастерство игрока в шахматы – когда утверждение кажется очевидным, подумайте, что оно означает в целом для вопроса, как оно может помочь вам при анализе другого утверждения.

Помните – для тех, кто решил несколько сотен вопросов Data Sufficiency и нацелен на баллы 700+, не сложно запомнить “AD/BCE” или “1-2-T-E-N”. Концепция Data Sufficiency на уровне 75-99% – это нечто большее, чем простое взаимоисключение ответов (первый обоснован – значит второй не обоснован – А!), когда нужно просто сделать выбор. Задания этого раздела усовершенствованы – они представляют собой ловушки для многих сдающих, но призваны награждать тех, кто действительно способен мыслить критически. Итак – играйте в шахматы! Не позволяйте себе расслабиться, имея лишь базовое представление о том, что такое задания Data Sufficiency. Как минимум 10% ваших конкурентов понимают, насколько это важно. Но этот процент не должен казаться вам приемлемым!

Источник: Poets&Quants