GMAT Focus sınavının Data Insights bölümünde yer alan Drawing Inferences from Data soru tipi, adayın yalnızca bir grafiği, tabloyu ya da metin bloğunu okumasını değil, o verinin içinden doğrudan yazılı olmayan bir sonucu çıkarmasını ister. Bu soru tipi, GMAT'in Quantitative bölümündeki klasik problemlerden farklı düşünür: burada 'doğru sayıyı bulmak' değil, 'verinin söylediği şeyi doğru formüle etmek' hedeflenir. Yanıt seçenekleri arasında sayısal olarak yakın ifadeler, görünüşte makul ama yarı-doğru yorumlar ve tablonun gizli bir köşesine gizlenmiş kesin ifadeler yer alır. Drawing Inferences from Data soruları bu yüzden çoğu aday için Quant'ın yarısı süre, Verbal'ın yarısı mantık gerektiren hibrit bir bölüm gibi çalışır.
Bu yazı, TestPrep İstanbul'un deneyimli GMAT hazırlık ekibinin sınıf içi öğretim akışını yansıtır: önce soru kalıbının anatomisi, sonra ipucu kategorileri, ardından pacing ve son olarak hata kaynakları. Aday, makaleyi bitirdiğinde Drawing Inferences from Data sorularında tek bir okuma geçişiyle 90 saniyelik pacing'e nasıl ulaşacağını, beş yanıt seçeneği içinden hangisinin "tam doğru", hangisinin "neredeyse doğru" olduğunu ve ekran başında hangi satıra parmak basacağını somut olarak bilecektir.
Drawing Inferences from Data soru kalıbının anatomisi
Bu bölüm, TestPrep İstanbul'un derslerinde her yeni soru tipine girişte uyguladığı üç aşamalı iskelet çalışmasının ilk aşamasıdır. Bir Drawing Inferences from Data sorusu üç katmandan oluşur: görsel katman, metin katmanı ve çıkarım katmanı. Görsel katman tek bir tablo, tek bir grafik ya da birkaç görselin küçük bir panosu olabilir. Metin katmanı 1-3 cümle uzunluğunda, çoğu kez soru kökünün hemen üstünde yer alan ve adayın neyi bulması gerektiğini söyleyen kısa bir paragraftır. Çıkarım katmanı ise beş yanıt seçeneğinde gizlidir ve çoğu seçenek görselin içinden okunabilecek bir ipucu taşır. Aday, doğru cevabı seçerken aslında bu üç katmanı sıraya koyup "görsel ne diyor, metin ne soruyor, çıkarım hangi seçenekte tam ifade ediliyor" zincirini kurar.
Soru kökünde sıklıkla geçen fiiller: infer, suggest, most likely, can be concluded, is most consistent with. Bu fiillerin her biri GMAT'in farklı bir bilişsel seviyesini ölçer. Infer ve conclude çoğu kez görselde doğrudan yazmayan ama görselin içinden zorunlu olarak çıkan bir ifade ister. Most likely ve most consistent with ise beş seçenek arasından en az çelişkili olanı seçmeye yönlendirir. TestPrep İstanbul'un öğrencilerine vurguladığı ilk kural şudur: inference sorusunda seçeneklerin hiçbiri mükemmel değildir; aradığınız şey en küçük çelişkiyi barındıran değil, hiç çelişki barındırmayan olandır.
Yanıt seçeneklerinin yapısı da tanınmalıdır. Tipik olarak iki seçenek veriyle desteklenir, iki seçenek veriyle çelişir ve bir seçenek veriye dayanmaz. Adayın işi, desteklenen iki seçenek arasındaki ince farkı yakalamaktır. Bu fark çoğu zaman bir yüzde puanı, bir zaman aralığı veya bir koşulun varlığı-yokluğudur. Drawing Inferences from Data, 90 saniye içinde çözülecek kadar kompakt ama 30 saniyede çözülecek kadar basit olmayan bir sorudur; bu yüzden pacing reçetesi her aday için net bir zihinsel yol haritası gerektirir.
Beş yanıt seçeneğini 30 saniyede elemine etme yöntemi
Bu bölüm, TestPrep İstanbul'un "hızlı eleme" olarak adlandırdığı ve her Data Insights dersinin ilk 20 dakikasında uyguladığı tekniğin ayrıntılı açıklamasıdır. Drawing Inferences from Data sorularında ilk 30 saniye yanlış seçenekleri elemine etmek için harcanır. Aday ilk anda tüm seçenekleri okumaz; önce görsele ve metne 20-25 saniye verir, ardından seçenekleri tek tek görselin belirli bir satırına veya sütununa gönderir. Bu yaklaşımda her seçeneğe üç ihtimal verilir: destekleniyor, çelişiyor, veri yok.
- Çelişen seçenek: Görselde sayısal olarak net bir karşıtlık varsa, seçenek elenir. Örneğin tablo 2019 satışının 4.2 milyon olduğunu söylüyorsa ve seçenek 2019 satışının 5 milyon olduğunu iddia ediyorsa, eleme süresi 3 saniyedir.
- Veri olmayan seçenek: Görsel ve metin o iddiayı ne destekler ne çelişirse, seçenek inference gücüne sahip değildir. GMAT bu seçeneği sıklıkla doğru cevap gibi gösterir çünkü "iddialı" durur; ama gerçekte veriye dayanmadığı için yanlıştır.
- Desteklenen seçenek: İki seçenek kalır. İşte asıl karar noktası burasıdır. Aday, desteklenen iki seçenekten hangisinin görseldeki tüm koşulları karşıladığını kontrol eder. Bir seçenek koşullardan birini atlamışsa, o seçenek "neredeyse doğru"dur ve elenir.
Bu üçlü eleme mantığı, TestPrep İstanbul'un hazırlık programında "ikili eleme" diye de bilinen bir alışkanlığın önüne geçer. Aday, iki seçenek arasında takılıp boş boş ekrana bakmaz; onun yerine her seçeneği tek tek hücreye gönderir ve görselden gelen sayısal ya da kategorik sinyali okur. 30 saniyelik bu eleme, sorunun toplam pacing'inin yaklaşık üçte birini oluşturur; kalan 60 saniye doğru cevabı onaylamaya ve seçimi işaretlemeye ayrılır.
Pratikte, bu eleme rutinini kazanmak için en az 40-50 soruluk bir blok gerekir. Aday, ilk 10 soruda eleme mantığını uygularken yavaştır; 20. soruda eleme otomatikleşir; 40. soruda seçeneklere bakış açısı tamamen değişir. Drawing Inferences from Data sorularında "veri yok" seçeneğini elemek, GMAT'in diğer tüm soru tiplerinden farklı bir radar gerektirir. Bu radarın eğitimi, TestPrep İstanbul'un sınıflarında ayrı bir hafta olarak planlanır.
Yedi farklı çıkarım kalıbını tanıma
GMAT Focus'un Drawing Inferences from Data havuzunda tekrar eden kalıplar sınırlıdır. TestPrep İstanbul'un yıllık içerik analizine göre sorular büyük çoğunlukla yedi kategoriye ayrılır. Bu kategorileri tanımak, adayın soru kökünü okuduğu anda hangi zihinsel kalıbı uygulayacağını önceden seçmesini sağlar. Aşağıdaki liste her kalıbın tipik görünümünü, en sık düşülen hatayı ve doğru okuma yönünü verir.
- Sayısal eşik çıkarımı: Tablo belirli bir eşiği aşan ya da altında kalan satırları gösterir. Çıkarım, eşik civarındaki satırların oranı ya da toplam içindeki payıdır. Hata: eşiği bir birim kaydırmak.
- Zaman serisi yönü: Grafik, bir değişkenin zaman içinde arttığını, azaldığını veya dalgalandığını gösterir. Çıkarım, dönemler arası değişim oranıdır. Hata: son noktayı tüm seriyle karıştırmak.
- İki değişken arası ilişki: Bir tablo ya da scatterplot, iki sütun arasında korelasyon olduğunu ima eder. Çıkarım, korelasyonun yönü ve gücüdür. Hata: korelasyonu nedensellikle karıştırmak.
- Koşullu olasılık çıkarımı: Tablo, bir koşulun varlığında başka bir değerin dağılımını gösterir. Çıkarım, koşul sağlandığında beklenen değer aralığıdır. Hata: koşul olmadan genellemek.
- Toplam-parça ilişkisi: Görsel, bir bütünün parçalara dağılımını gösterir. Çıkarım, hangi parçanın toplam içinde baskın olduğudur. Hata: parçaları toplamla karşılaştırmayı atlamak.
- Oran-yüzde çıkarımı: Tablo ya da grafik, aynı verinin hem oranını hem yüzdesini verir. Çıkarım, oran-yüzde dönüşümünün doğru hesaplanmış olup olmadığıdır. Hata: paydayı değiştirmek.
- Çapraz kategori karşılaştırması: Veri birden çok kategoriye yayılmıştır; çıkarım, iki spesifik kategorinin birbiriyle karşılaştırmasıdır. Hata: kategorileri karıştırmak ya da benzer isimleri ayırt edememek.
Bu yedi kalıbın hepsi tek bir okuma stratejisine indirgenebilir: verinin eksenini tanımla, ölçü birimini doğrula, koşulu oku, çıkarımın kapsamını kontrol et. Ancak her kalıbın kendine özgü bir hata profili vardır ve TestPrep İstanbul'un hazırlık programında her hafta bir kalıp işlenir. Yedi haftalık bir döngü, adayın yedi kalıbı da tanıması için yeterli süreyi sağlar; daha kısa sürelerde kalıplar iç içe geçer ve adayın karar hızı düşer.
Çıkarım sorusu kökündeki dört ipucu kategorisi
Bir Drawing Inferences from Data soru kökünü dikkatli okuyan aday, kökün kendisinin dört farklı ipucu kategorisinden birine girdiğini fark eder. Bu kategoriler, TestPrep İstanbul'un sınıf içi dil bilgisi derslerinde "çıkarım fiili sınıflandırması" olarak adlandırılır. Doğru kategoriye düşen soru, doğru pacing tekniğine düşer. Yanlış kategoriye düşen soru ise adayı gereksiz hesaplamaya ya da gereksiz metin okumaya iter ve süre kaybettirir.
Doğrudan veri okuma ipuçları
Kök "according to the table", "based on the chart", "as shown in the figure" gibi ifadelerle başlıyorsa, aday doğrudan görsele yönelir. Bu kategoride metin ikinci plandadır; çıkarımın ham maddesi tek bir hücre, tek bir çubuk ya da tek bir eğri noktasıdır. Hata kaynağı, görseldeki küçük bir dipnotu (örneğin "in millions" ifadesini) kaçırmaktır. TestPrep İstanbul'un önerisi, görselin alt köşesine ve sağ üst köşesine ilk 5 saniyede göz atılmasıdır.
Koşullu çıkarım ipuçları
Kök "if", "given that", "assuming", "for any" gibi koşul ifadeleri taşıyorsa, aday koşulun hangi sütun ya da satırda aranacağını önceden belirler. Bu kategoride iki adım vardır: önce koşulu görselde bul, sonra koşulun altında kalan satırları oku. Koşul sağlanmadan seçenek doğru görünüyorsa, o seçenek "koşul-dışı çıkarım"dır ve yanlıştır.
Karşılaştırmalı çıkarım ipuçları
Kök "compared to", "relative to", "versus", "than" gibi karşılaştırma ifadeleri içeriyorsa, aday iki hücreyi ya da iki sütunu yan yana okur. Bu kategoride pacing 90 saniyenin biraz üzerine çıkabilir çünkü iki ayrı referans noktası vardır. Hata kaynağı, referans noktalarından birini ters yönde okumaktır (örneğin 2018'i 2019'la karıştırmak).
Çıkarım gücü ipuçları
Kök "most likely", "best supported", "can be inferred" ifadelerini taşıyorsa, aday seçeneklerin kesinlik derecesini ölçer. Bu kategoride "always", "never", "every" gibi mutlak ifadeler içeren seçenekler büyük olasılıkla yanlıştır çünkü tek bir karşı örnek çıkarımı çürütür. "Some", "many", "typically" gibi yumuşak ifadeler içeren seçenekler ise doğru cevaba daha yakındır.
Bu dört ipucu kategorisini tanımak, soru kökünü 8-10 saniyede okuyan deneyimli bir adayı 60-70 saniyelik görsel okumaya hazırlar. Toplam pacing 90 saniyenin altında kalır ve aday 10 saniyelik yedekle seçimi doğrular.
Görsel okuma ile metin okuma arasındaki denge
Drawing Inferences from Data sorularının en sık yol açtığı hata, adayın ya görsele ya da metne aşırı yaslanmasıdır. TestPrep İstanbul'un ölçümlerine göre, hazırlık programına yeni başlayan adayların yaklaşık yarısı görseli 40 saniyeden uzun okuyup metni 5 saniyede geçer; diğer yarısı ise bunun tersini yapar. Her iki davranış da pacing'i bozar ve doğruluk oranını düşürür.
Dengeli okuma, 15-20 saniye metin + 25-30 saniye görsel + 25-30 saniye eleme + 10 saniye onay olarak dört bölüme ayrılır. Metin 15-20 saniyede okunmalıdır çünkü metin genelde 1-3 cümledir ve adayın çıkarımın konusunu ve yönünü anlaması için yeterlidir. Görsel 25-30 saniyede okunmalıdır çünkü adayın ilgili hücreleri, eksenleri ve dipnotları bulması gerekir. Eleme 25-30 saniye sürer çünkü beş seçenek tek tek test edilir. Onay 10 saniye sürer çünkü doğru cevap görselin iki noktasıyla çapraz kontrol edilir.
| Aşama | Süre | Odak | Sık yapılan hata |
|---|---|---|---|
| Metin okuma | 15-20 saniye | Çıkarımın konusu, koşulları, yönü | Çıkarım fiilini atlamak |
| Görsel okuma | 25-30 saniye | İlgili hücre, eksen, dipnot | Ölçü birimini kaçırmak |
| Seçenek eleme | 25-30 saniye | Çelişen, desteklenmeyen, desteklenen | İki seçenek arasında takılıp kalmak |
| Onay ve işaretleme | 10 saniye | Çapraz kontrol, son onay | Onayı atlayıp işaretlemek |
Bu pacing dağılımı, Drawing Inferences from Data soruları için TestPrep İstanbul'un önerdiği varsayılan reçetedir. Ancak her adayın farklı güçlü yanları vardır: bazı adaylar görsel okumada hızlıdır ve eleme aşamasını kısaltır; bazıları ise eleme aşamasında sağlamdır ve görsel okumayı uzatır. Önemli olan toplam sürenin 90 saniye civarında kalması ve dört aşamanın birbirine karışmamasıdır.
Çıkarım gücü seviyeleri ve seçenek dili
Bu bölüm, TestPrep İstanbul'un "seçenek dilbilgisi" adını verdiği ve adayın beş seçenekten hangisinin doğru olduğunu neredeyse otomatik olarak seçmesini sağlayan bir tekniği anlatır. Drawing Inferences from Data sorularında her seçenek belirli bir çıkarım gücü taşır: kesin, yüksek, ılımlı, zayıf, desteksiz. Doğru cevap çoğu zaman ılımlı ya da yüksek güçtedir; kesin güçteki seçenekler ise neredeyse her zaman yanlıştır çünkü veriden kesin bir şey çıkarmak için tablonun ya da grafiğin tüm bilgiyi vermesi gerekir ki bu nadir olan bir durumdur.
TestPrep İstanbul notu: Çıkarım gücü yüksek bir seçenek gördüğünüzde, kendinize "tablo bunu gerçekten destekliyor mu, yoksa tablonun ima ettiği en güçlü şeyi mi söylüyor" diye sorun. Eğer tablonun ima ettiği en güçlü şeyse, ılımlı güçteki seçenek daha güvenlidir.
Seçeneklerdeki dil ipuçları da değerlidir. "Some customers", "at least one segment", "is more likely than" gibi yumuşak ifadeler ılımlı gücü gösterir. "All customers", "every segment", "is more likely to" gibi güçlü ifadeler kesin güce yaklaşır ve veri tarafından nadiren desteklenir. "May be", "could be", "might be" ifadeleri ise belirsizlik taşır ve çıkarım gücü düşüktür. Drawing Inferences from Data sorularında doğru cevap genelde yumuşak-ılımlı bölgede yer alır.
Aday, beş seçeneği gördüğünde ilk olarak her seçeneğin güç seviyesini tahmin eder. Sonra görsele döner ve her seçeneği test eder. Eğer iki seçenek benzer güçteyse, aday seçeneklerden birinin kapsamını kontrol eder: bir seçenek daha geniş bir kategoriye, diğeri daha dar bir kategoriye atıfta bulunuyor olabilir. Veri dar olanı destekliyorsa, doğru cevap dar olandır; çünkü geniş olan veriye dayanmaz.
Yanlış seçeneklerin tipik yapısı
GMAT'in Drawing Inferences from Data havuzunda yanlış seçenekler rastgele üretilmez; her biri belirli bir hata kalıbını temsil eder. TestPrep İstanbul'un hazırlık kitaplarında bu kalıplar "tipik yanlış seçenek türleri" olarak sınıflandırılır ve adayın her seçeneği okurken o seçeneğin hangi türden bir hata taşıdığını anında tanıması beklenir. Bu tanıma, eleme süresini 30 saniyeden 20 saniyeye düşürür ve toplam pacing'i 90 saniyenin altına çeker.
Biraz fazla iddialı seçenek
Bu seçenek, görselin doğru söylediği bir şeyi bir kademe daha ileri taşır. Örneğin tablo 2020'de düşüş olduğunu söylüyorsa, seçenek "sürekli düşüş eğilimi" iddia edebilir. Veri yalnızca tek bir dönemi kapsadığı için "sürekli" ifadesi çıkarımı zorlaştırır. Bu tür seçeneklerde anahtar kelime "sürekli", "her zaman", "tüm" gibi mutlak ifadelerdir.
Biraz eksik iddialı seçenek
Bu seçenek, görselin doğru söylediği bir şeyi bir koşulu atlayarak söyler. Örneğin tablo belirli bir bölgede artış olduğunu söylüyorsa, seçenek bölgeyi belirtmeden artış olduğunu iddia edebilir. Bu tür seçeneklerde anahtar kelime eksik olan bölge, zaman aralığı veya kategoridir.
Yanlış yönde seçenek
Bu seçenek, doğru yönün tersini söyler. Örneğin tablo B değişkeninin A'dan yüksek olduğunu söylüyorsa, seçenek A'nın B'den yüksek olduğunu iddia edebilir. Bu tür seçeneklerde hata, adayın satır-sütun eşleşmesini karıştırmasından kaynaklanır. Görselin iki kez okunması hatayı önler.
Veri dışı seçenek
Bu seçenek, görsel ve metin tarafından ne desteklenen ne çelişen bir ifade taşır. Aday, seçeneği okuduğunda "tablo bunu söylüyor mu, söylemiyor mu" diye bir an duraklar. Cevap "söylemiyor"sa, seçenek veri dışıdır ve yanlıştır.
Doğru ama alakasız seçenek
Bu seçenek, tablonun doğru söylediği bir şeyi söyler ama çıkarım sorusunun sormadığı bir konudadır. Örneğin tablo 2019 satışının 2020'den yüksek olduğunu söyler; soru 2020'deki kategorik dağılımı sorar; seçenek 2019-2020 karşılaştırmasını söyler. Seçenek doğru bilgi verir ama soruyu yanıtlamaz. Bu tür seçenekler "bilgi tuzağı" olarak da adlandırılır ve TestPrep İstanbul'un öğrencilerine en çok vurguladığı hata kaynağıdır.
Bu beş yanlış seçenek türünü tanıdığınızda, her seçeneği 5-6 saniyede sınıflandırabilirsiniz. 5 seçenek × 6 saniye = 30 saniye eleme süresi. Bu, 90 saniyelik toplam pacing reçetesinin eleme aşamasına ayrılan bölümüdür.
Çıkarım sorularını Quant ve Verbal'dan ayıran özellikler
Drawing Inferences from Data sorularını GMAT'in diğer bölümlerinden ayıran üç temel özellik vardır: hesap yapmama, tek seferde doğru okuma ve çıkarımın sınırlarını bilme. Bu üç özellik, adayın Quant alışkanlıklarını bırakıp Verbal alışkanlıklarını benimsemesini gerektirir. TestPrep İstanbul'un hazırlık programında bu geçiş, adayların en çok zorlandığı noktadır ve "çıkarım disiplini" adı verilen özel bir haftalık modülde ele alınır.
Hesap yapmama: Quant bölümündeki sorular bir denklem çözmeyi, bir oran kurmayı ya da bir geometrik şekli ölçmeyi gerektirir. Drawing Inferences from Data sorularında hesap yoktur; aday ekrana bakıp "bu hücre 4.2, şu hücre 3.8, demek bu satır daha yüksek" der ve geçer. Hesap yapma alışkanlığı olan adaylar, gereksiz yere uzun hesaplar yaparak 30-40 saniye kaybeder ve pacing'i bozar.
Tek seferde doğru okuma: Verbal bölümünde aday pasajı birden çok okuyabilir; bu kabul edilebilir bir stratejidir. Drawing Inferences from Data sorularında tek okuma yeterlidir çünkü görselin tüm bilgisi tek seferde alınabilir. Birden çok okuma, adayın görseldeki küçük farkları (örneğin 4.2 ile 4.3 arasındaki farkı) her okumada farklı yorumlamasına yol açar. Bu da kararsızlık yaratır ve pacing'i uzatır.
Çıkarımın sınırlarını bilme: Hem Quant hem Verbal'da çıkarım bir araçtır; ama Data Insights'ta çıkarımın hedefidir. Aday, çıkarımı kontrol etmek için değil, çıkarımın ne kadar ileri götürülebileceğini bulmak için okur. Bu yüzden "always", "never", "must be" gibi mutlak ifadeleri olan seçenekler genelde yanlıştır; çıkarımın sınırı bu mutlaklıkları kaldırmaz.
Bu üç özelliği birleştirdiğinizde, Drawing Inferences from Data sorularının aslında bir "kontrollü hayal gücü" gerektirdiğini görürsünüz. Aday, verinin söylediği şeyin hayalî uzantılarını zihninde kurar, sonra bu uzantıları beş seçenekle test eder. Doğru seçenek, en güvenli uzantıdır.
Hata kaynakları ve bunları önleme yöntemleri
Bu bölüm, TestPrep İstanbul'un sınıflarında "hata günlüğü" adı verilen ve her adayın kendi hatalarını takip ettiği çalışmanın içeriğini özetler. Drawing Inferences from Data sorularında en sık görülen hatalar altı kategoride toplanır. Her birinin tipik görünümü, neden olduğu ve nasıl önleneceği aşağıda açıklanmıştır.
Ölçü birimi hatası
Aday, tablodaki değerin "in millions" mı yoksa "in thousands" mı olduğunu kaçırır. Bu hata, seçeneğin 1000 katı yanlış olmasına yol açar. Önleme: ilk 5 saniyede dipnot okuma alışkanlığı.
Satır-sütun eşleşme hatası
Aday, iki sütunlu bir tabloda satır başlığını yanlış sütunla eşleştirir. Bu hata, iki kategori arasındaki karşılaştırmayı tersine çevirir. Önleme: parmak izi tekniği - parmağınızı satırın üzerinde tutarken sütun başlığına göz atın.
Zaman aralığı hatası
Aday, grafiğin kapsadığı dönemin bir kısmını tüm dönem sanır. Örneğin grafik 2015-2018'i gösteriyorsa, seçenek "son on yılda" ifadesini kullandığında hata oluşur. Önleme: eksen etiketlerini iki kez okuma.
Koşul atlama hatası
Aday, metindeki koşulu ("if the company has more than 100 employees" gibi) okumadan seçeneği değerlendirir. Bu hata, koşul sağlanmadan doğru görünen seçeneğin işaretlenmesine yol açar. Önleme: kökü okurken koşul ifadesinin altını çizme.
Oran-yüzde karışıklığı
Aday, oranı yüzdeyle ya da yüzdeyi oranla karıştırır. Örneğin "%20 artış" ifadesini "0.20 artış" olarak okumak. Önleme: oranları ve yüzdeyi zihinsel olarak aynı paydaya getirme.
Bilgi tuzağı hatası
Aday, doğru bilgi veren ama soruyu yanıtlamayan seçeneği seçer. Bu hata, seçeneğin doğruluğuna odaklanıp sorunun ne sorduğuna odaklanmamaktan kaynaklanır. Önleme: her seçeneği okuduktan sonra "bu, soruyu yanıtlıyor mu?" diye sormak.
Bu altı hata kaynağını bir checklist halinde yanınızda bulundurmak, her soruya başlamadan önce 10 saniyelik bir hata önleme rutini sağlar. Checklist, TestPrep İstanbul'un dijital hazırlık platformunda her adayın profiline tanımlanır ve soru çözümü sırasında otomatik hatırlatıcı olarak çalışır.
Altı haftalık çıkarım sorusu hazırlık planı
Drawing Inferences from Data sorularında ustalaşmak, tek seferlik bir çalışmayla değil, kademeli bir hazırlık planıyla mümkündür. TestPrep İstanbul'un önerdiği altı haftalık plan, her hafta bir beceri katmanını güçlendirir ve son haftada tüm katmanlar birleştirilir. Aşağıdaki plan, haftalık 10-12 saatlik bireysel çalışma temposu varsayılarak hazırlanmıştır.
Hafta 1: Görsel okuma temeli
Bu hafta, tabloları, çubuk grafiklerini, çizgi grafiklerini ve pie chart'ları 20 saniyede okuma pratiği yapılır. Amaç, eksen etiketlerini, ölçü birimlerini ve dipnotları hızlıca tanımaktır. Her gün 15-20 soru çözülür ve yalnızca görsel okuma süresi ölçülür.
Hafta 2: Çıkarım fiili tanıma
Bu hafta, soru köklerinde geçen "infer", "suggest", "most likely" gibi fiiller sınıflandırılır. Her fiilin hangi çıkarım gücünü gerektirdiği öğrenilir. Her gün 20-25 soru çözülür ve her sorunun fiili not alınır.
Hafta 3: Yanlış seçenek türleri
Bu hafta, beş yanlış seçenek türü (fazla iddialı, eksik iddialı, yanlış yönde, veri dışı, alakasız) örneklerle tanınır. Her gün 20-25 soru çözülür ve her yanlış seçenek türü etiketlenir.
Hafta 4: Eleme pratiği
Bu hafta, beş seçeneği 30 saniyede eleme pratiği yapılır. Her gün 25-30 soru çözülür ve eleme süresi ölçülür. Amaç, eleme süresini 30 saniyenin altına indirmektir.
Hafta 5: 90 saniyelik pacing pratiği
Bu hafta, tüm aşamalar birleştirilir ve her soru 90 saniyede çözülmeye çalışılır. Zamanlayıcı kullanmak şarttır. Her gün 25-30 soru çözülür ve toplam süre ölçülür.
Hafta 6: Karışık tekrar ve hata günlüğü
Bu hafta, tüm sorular karışık olarak çözülür ve hata günlüğü tutulur. Her hatanın türü, nedeni ve önleme yöntemi not alınır. Haftanın sonunda, adayın doğruluk oranı %80'in üzerine çıkmalı ve pacing 90 saniye civarında sabitlenmelidir.
Bu altı haftalık plan, TestPrep İstanbul'un birebir öğrencilerinde ortalama 7-8 haftada tamamlanır. Yoğun programda süre 4-5 haftaya inebilir; ancak kısa sürede plan tamamlanırsa hata günlüğünün derinliği azalır. Aday, planın her haftasında en az 120-150 soru çözmüş olur ve toplamda 700-900 soruluk bir hacme ulaşır.
Sonuç ve sonraki adımlar
GMAT Focus Drawing Inferences from Data soruları, doğru pacing ve doğru okuma kalıbıyla çözüldüğünde Data Insights bölümünün en yüksek puan getiren soru tiplerinden birine dönüşür. Bu yazıda ele alınan yedi çıkarım kalıbı, dört ipucu kategorisi, beş yanlış seçenek türü ve altı haftalık hazırlık planı, adayın bu soru tipine sistematik bir şekilde yaklaşmasını sağlar. Her bölüm, sınıf içi uygulamalar ve bireysel pratiklerle pekiştirildiğinde, doğruluk oranı %75'in üzerine çıkar ve 90 saniyelik pacing sabitlenir.
Bir sonraki adım olarak, adayın kendi hata günlüğünü oluşturup Drawing Inferences from Data sorularına özel 50-60 soruluk bir blok çözmesi önerilir. TestPrep İstanbul'un bu konuya özel hazırladığı Drawing Inferences from Data modülü, yedi çıkarım kalıbını ve dört ipucu kategorisini kapsayan yapılandırılmış bir pratik seti sunar; sınav öncesi haftada bu modülden 2-3 oturum geçmek, pacing ve doğruluk dengesini sabitlemenin en kısa yoludur.