多益 Part 6 段落填空的難點：你有沒有真的需要讀全文

Part 6 應該考什麼

Part 6 是閱讀測驗的第 131 到 146 題：四篇短文，每篇挖四個空格，每個空格四個選項。

從表面上看，它很像「把 Part 5 塞進一篇文章裡」。但它不該是那樣。Part 5 給你一個孤立的句子，所以答案必然只能從那個句子裡找。Part 6 給你一整篇文章——這代表答案「可以」藏在別的句子裡。

那才是 Part 6 存在的理由。如果每一個空格都能靠它自己那一句解決，那這篇文章就只是裝飾品，這個 Part 也就沒有必要單獨存在。

---

一個很簡單的測試：把文章遮起來

要判斷一個空格是不是真的在考「文章」，有一個非常乾脆的方法：

把整篇文章遮起來，只留下有空格的那一句，和四個選項。 然後問：現在還有幾個選項是說得通的？

如果只剩一個說得通，那這個空格根本不需要文章——它是一題躲在文章裡的 Part 5。

如果還有兩個以上說得通，那就代表：只有文章能決定答案。這個空格是真的在考 Part 6。

我們把符合後者的空格叫做「依賴上下文的空格」。這篇文章接下來講的所有數字，都是在數這個。

看三個實際的例子

例一：遮起來也不影響

Before entering, all staff must put on a full protective suit, gloves, and a face mask in the ------- room. (A) checking (B) changing (C) charging (D) chilling

不用看文章。穿防護衣、手套、口罩的地方是 changing room（更衣室）。其他三個選項不管前後文寫什麼都不會對。這一題就算把文章整篇刪掉，難度也完全不變。

例二：遮起來就答不出來

Bring your friends. ------- groups of six or more should book ahead. (A) Because of this, (B) That said, (C) For that reason, (D) In the meantime,

四個選項全部都是文法正確、意思也通順的句子開頭。單看這一句，你沒有任何理由選 B 而不選 A。

只有前面那句「Bring your friends.（歡迎揪朋友一起來）」才讓你知道：後面這句是在打折扣——歡迎揪團，不過六人以上要先訂位。「不過」就是 That said。

這一題，文章是解題的必要條件。

例三：遮起來連在講什麼都不知道

Even stubborn ------- don't stand a chance against our gentle, modern process. (A) sprains (B) strains (C) stains (D) streams

這句話單獨看，你甚至無法判斷它是洗衣店的廣告還是物理治療診所的廣告。sprains（扭傷）和 stains（污漬）在這句話裡一樣通順。

只有文章能告訴你這是在講什麼。這是依賴上下文最極端的一種。

---

怎麼把「說得通」變成一個可信的數字

到這裡為止，都還只是「我覺得」。而「我覺得」不是測量。

難度在測驗學裡有個正式定義：一題的難度就是真實考生答對它的比例。那需要成千上萬人先考過，除了 ETS 以外沒有人有這種資料。完整的說明在〈難度總論〉。這裡要處理的是一個更小、但更棘手的問題：「遮起來還剩幾個選項說得通」這件事，怎麼樣才不會變成一個人的主觀判斷？

我們做了三件事。

1. 先把題目切成「只剩那一句」

用程式把每一題的空格所在句子單獨切出來，同一篇文章裡的其他空格則直接填上正確答案（這樣句子才是完整的）。全部 490 個空格都成功切出來。

這一步就已經排除了一整類題目：整句填入的「插入句」題型（選項是四個完整句子的那種）。那種題目照定義就一定依賴上下文，把它算進來只會灌水。而且我們的插入句比例本來就符合真實測驗的配置——每四題一題。所以這裡量的是其餘那三個空格。

2. 交給兩個互相看不到的評分者

我們把「只剩一句 ＋ 四個選項」交給兩個獨立的 AI 評分者，兩邊拿到完全相同的一份書面評分準則，而且都不告訴它們正確答案是哪一個（知道答案會嚴重影響判斷）。它們只需要回答一件事：這四個選項裡，有幾個單獨看是說得通的？

用兩個而不是一個，是因為一個評分者沒有辦法被檢查。兩個就可以算出它們有多常一致：

	一致率	Cohen's κ
我們的題庫（490 題）	80.4%	0.51
參照試題（72 題）	90.3%	0.81

κ（kappa）是扣掉「瞎猜也會碰巧一致」之後剩下的一致程度。參照試題那邊 0.81 屬於很高；我們自己這邊 0.51 只能算中等——這代表我們的題目裡有比較多模稜兩可的邊界案例，這件事本身就是資訊。

3. 只採計兩邊都同意的

兩個評分者不一致的地方，我們自己動手看。隨機抽 16 題逐題判斷之後發現：其中一個評分者明顯偏寬，會把「其實只有一個答案說得通」的題目也算進去（例如上面那題更衣室，它認為有兩個選項可以）。而且它偏寬的程度兩邊不一樣——在我們的題目上多標了 18%，在參照試題上只多標 10%。

這很重要：如果只採用它的判斷，就會不公平地美化其中一邊。所以最後的數字只採計兩個評分者都同意的題目。

（我們也算了寬鬆版本——只要有一個評分者說是就算。結論完全一樣，下面會說。）

---

量出來的結果

第一次量的時候，結果對我們自己非常不好看：

	依賴上下文的空格	95% 信賴區間
我們的題庫（第一次測量）	82 / 490 = 16.7%	13.7%–20.3%
參照模擬試題	35 / 72 = 48.6%	37.4%–59.9%

參照試題大約每兩個空格就有一個真的需要文章。我們大約每六個才有一個。

兩個信賴區間沒有重疊（我們的上限 20.3%，對方的下限 37.4%），所以這不是抽樣誤差可以解釋的差距。用寬鬆版本重算，我們 36.3%、對方 58.3%，一樣沒有重疊——換一種算法不會改變結論。

一個佐證：我們刻意改寫成依賴上下文的空格，兩個評分者在完全不知情的狀況下全部都標出來了。如果一把尺連自己造的東西都量不到，那它量什麼都不能信。

然後我們把它修好了

量出來之後，我們沒有把這個數字收起來，而是照著它改題。改的方式不是「多出幾篇新文章」——那沒有用，因為每多一篇文章就多三個空格，分母跟著一起長。要提高比例，只能把既有的空格一個一個改成真的需要文章。

改完之後重新量，用的是同一把尺、同樣兩個互相看不到的評分者、同樣只採計兩邊都同意的：

	依賴上下文的空格	95% 信賴區間	每篇文章平均
我們的題庫（第一次測量）	82 / 490 = 16.7%	13.7%–20.3%	0.50
我們的題庫（現在）	239 / 490 = 48.8%	44.4%–53.2%	1.46
參照模擬試題	35 / 72 = 48.6%	37.4%–59.9%	1.46

兩邊的點估計相差 0.2 個百分點，每篇文章的平均密度則是一模一樣的 1.46。信賴區間大幅重疊。

講白一點：在「這個空格到底需不需要文章」這件事情上，現在已經量不出我們和參照試題的差別了。

這裡要很小心不要講過頭。這不代表我們的題目「和真題一樣難」——難度有很多面向，這篇量的只是其中一個。也不代表我們比對方好：48.8% 和 48.6% 的差距遠小於測量本身的誤差，任何一邊都不能說贏。能講的只有一句：這個面向上的差距，原本大到用統計就看得出來，現在沒有了。

一個誠實的附註：改完之後我們自己回頭核對這篇文章裡的例子，發現有四題在改寫過程中出了錯——選項被寫到了同一篇文章裡的另一個空格上，導致那四題沒有正確答案。它們已經修好，而且我們加了一個自動檢查，讓同一類錯誤以後會在上線前就被擋下來。會發現這件事，正是因為我們拿這篇文章裡印出來的例子去跟實際題庫對帳。

為什麼會變成這樣

不是因為誰偷懶，而是因為出題的自然傾向就是這樣。

寫一個「單看那一句就能解決」的空格，比較容易，也比較安全：你確定它有唯一解，確定它不會有爭議，確定它文法上站得住腳。而寫一個「必須看前一句才能決定」的空格，你必須同時控制兩個句子的關係，還要確保四個選項單獨看都通順——否則它就退化回一題 Part 5。

所以在沒有特別去量的情況下，任何題庫都會自然地往「Part 5 塞進文章裡」的方向漂移。我們就是漂了。 而在把文章遮起來之前，這件事完全看不出來——每一題單獨看都是好題目。

這也是為什麼我們把這個測量固定下來、每次改題都重跑一次：漂移不會自己停，只有量才會停。

---

對你最有用的部分：Part 6 該怎麼答

知道 Part 6 有兩種完全不同的空格之後，考場上的策略就很清楚了：先分類，再決定要不要回頭讀。

第一步：看選項，判斷這是哪一種空格

拿到一題，先看四個選項長什麼樣子：

• 四個都是同一個字的不同變化（apply / applied / applying / application）→ 幾乎一定是單句空格。看空格前後就好，不要回頭讀文章。
• 四個是不相干的實詞（名詞、動詞、形容詞）→ 通常是單句空格，但要小心例三那種「連在講什麼都不知道」的狀況。先試著只用這一句解，解不出來再回頭。
• 四個都是句首連接詞（However, / As a result, / Even so, / In the meantime,）→ 一定要回頭讀前一句。這種題目單看本句永遠解不出來，硬盯著它看只是浪費時間。
• 四個是完整的句子 → 插入句題。這種要看前後兩句，而且通常留到最後做。

第二步：連接詞題，只需要回讀一句

這是最值得記的一點。連接詞題不需要重讀整篇文章，只需要讀前面那一句，然後問自己一個問題：

前一句和這一句，是什麼關係？

• 後面是前面的結果 → As a result, / Therefore, / Accordingly,
• 後面推翻或限縮前面 → However, / That said, / Even so,
• 後面是前面的例子 → For example,
• 後面是前面的手段帶來的效果 → That way, / In this way,
• 前面是條件，後面是沒做的下場 → Otherwise,

判斷出關係，答案就出來了。這一步應該在 10 秒內完成；如果超過 20 秒還在猶豫，通常是你在試圖從本句找線索——而本句根本沒有線索。

第三步：把省下來的時間放在插入句題

Part 6 每篇文章有四個空格，其中通常有一題是插入句——那是整個 Part 6 最花時間的題型，因為你必須同時檢查它和前一句、後一句都接得上。

前三步的重點就是：在單句空格上不要浪費時間回頭讀文章，把時間集中在真正需要讀文章的那一兩題上。

---

這個測量的限制

老實說三件事：

參照試題只有 72 個空格。 這是六回模擬試題裡全部的非插入句空格，已經是我們手上完整的資料，但 72 個仍然不多——所以那個 48.6% 的信賴區間有 22 個百分點那麼寬。我們的 490 個是普查，所以窄得多。

評分者是 AI，不是真實考生。 它們判斷的是「單獨看說不說得通」，這是一個替代指標，不是真實的答對率。它跟真實難度的關係是合理的，但不是同一件事。

我們只在分佈層級主張，不在單題層級主張。 就像一台誤差 ±5 公斤的體重計，量一個人沒有意義，量一千個人的平均卻能看出族群差異。這個測量能說「兩個題庫在這個面向上的分佈明顯不同」，不能說「這一題比那一題更依賴上下文」。

---

難度系列：〈難度總論〉·〈Part 5〉· Part 6（本篇）·〈Part 7〉