NOT GIVEN 恐惧症：一个比出题人更可怕的存在
判断题做到一半，笔记上已经连写了三个 FALSE。翻到下一道，题干读完，定位词也找到了——原文确实在讲同一件事，但好像没有直接说对，也没有直接说错。手指在 FALSE 和 NOT GIVEN 之间反复横跳。最终选了 FALSE，对答案一看：NOT GIVEN。
这个场景在每场雅思考试中都在发生。不少考生对 NOT GIVEN 有一种本能的不信任：总觉得出题人不会连出太多 NG，或者觉得“既然提到了相关话题，那肯定是错的吧”。
那么问题来了：三种答案到底各占多少？NOT GIVEN 真的像很多人以为的那样“偶尔才出现”吗？
四个 Section，21 道题：先看数据
在开始推断之前，先看四道来自不同真题 section 的判断题答案分布。这四个 section 覆盖了历史传记（剑 9 Test4 Passage 1）、自然科学（剑 14 Test4 Passage 1、剑 19 Test4 Passage 1）和人物专题（剑 17 Test4 Passage 3），题型全部是 TRUE/FALSE/NOT GIVEN（或等价的 YES/NO/NOT GIVEN），统计如下：
剑 9 Test4 Passage 1（居里夫人传记，Q1–Q6）： TRUE 2 道，FALSE 2 道，NOT GIVEN 2 道。
剑 14 Test4 Passage 1（蚂蚁抗衰老研究，Q9–Q13）： TRUE 2 道，FALSE 2 道，NOT GIVEN 1 道。
剑 19 Test4 Passage 1（气候变化与英国蝴蝶，Q1–Q6）： TRUE 2 道，FALSE 3 道，NOT GIVEN 1 道。
剑 17 Test4 Passage 3（盲棋冠军 Timur Gareyev，Q33–Q36）： TRUE 1 道，FALSE 1 道，NOT GIVEN 2 道。
四个 section 合并，21 道判断题中：TRUE/YES 7 道，FALSE/NO 8 道，NOT GIVEN 6 道。比例大致是 TRUE : FALSE : NOT GIVEN ≈ 1 : 1.15 : 0.86。
换句话说，NOT GIVEN 并没有明显少于另外两种答案。你连续做到两道 NOT GIVEN 的概率，和连续做到两道 FALSE 的概率差不多。
为什么很多人觉得 NOT GIVEN“少”？
答案不在于实际的命题比例，而在于做题时的心理筛选——很多本该是 NOT GIVEN 的题，被错误地判成了 FALSE。
一道典型的例子来自 剑 19 Test4 Passage 1 Q4：
题目：Some species of butterfly have a reduced lifespan due to spring temperature increases.
原文确实讨论了春季升温和蝴蝶之间的关系。相关句是：
In Britain, as the average spring temperature has increased by roughly 0.5 °C over the past 20 years, species have advanced by between three days and a week on average, to keep in line with cooler temperatures.
这段话讲的是“物候提前”——蝴蝶提前出现，而不是“寿命缩短”。题目要求判断的是“升温导致寿命减少”，原文没有提过寿命。话题高度相关，核心信息缺失，标准 NOT GIVEN。
但考场上，很多人会因为“升温 + 蝴蝶适应 + 听起来合理”这个链条，自己补上“寿命肯定会受影响”的推理，然后选了 FALSE。这道题的陷阱标签恰恰是“NOT GIVEN、FALSE 与过度推断混淆”。
再来看一道容易因为“绝对词”而误判的 FALSE 题——剑 14 Test4 Passage 1 Q9：
题目：Pheidole dentata ants are the only known animals which remain active for almost their whole lives.
证据句在文章的另一个段落：
Naked mole rats can live for almost 30 years and stay fit for nearly their entire lives.
题干用了 only known animals，而原文明确给出了另一个反例。这就是 FALSE 的标准构成：题目信息与原文正面矛盾。
对比 Q4（升温与寿命）和 Q9（唯一已知动物），边界非常清晰：
- FALSE：原文给出了可以直接否定题干的信息。
- NOT GIVEN：原文涉及同一话题，但题目要判断的那个点——寿命缩短、大学是否是第一个、方法是否不同——原文根本没有写。
一道 NOT GIVEN 的内部构造：以 剑 17 Test4 Passage 3 Q34 为例
剑 17 Test4 Passage 3 的 Q34 是 NOT GIVEN 的教科书级例子：
题目：Gareyev has won competitions in BASE jumping.
证据句：
He has a fondness for bright clothes and unusual hairstyles, and he gets his kicks from the adventure sport of BASE jumping.
原文说 Gareyev 喜欢 BASE jumping 这项运动，从中获得刺激。但题目问的是“有没有赢过比赛”。喜欢和赢过，是两个层面的事。原文没有写任何关于获奖的信息，所以是 NOT GIVEN。
这道题暴露了 NOT GIVEN 的另一种高频出现形态：身份/兴趣 ≠ 成就/经历。原文讲了一个人的兴趣所在，题目却自动升级为比赛成绩。过度推断一步，答案就错。
从分布到策略：NOT GIVEN 不是需要“省着用”的选项
如果你在做题时给 NOT GIVEN 设了一个隐形的“配额”——比如一套判断题最多选两次 NG，超过两次就强行改为 FALSE——那你等于在考场上和出题人打了一场你自己制定的规则战。而数据已经告诉你了：连续两题 NG 是正常现象，NG 占比接近三分之一也是正常现象。
更实用的做法是回到每道题的证据边界来判断，而不是根据已选的答案数量来“平衡”。当你面对一道拿不准的题时，问自己三个问题：
- 题干的核心判断点（考点词）在原文里有没有被明确提及？
- 如果提及了，原文信息是支持还是否定题干？
- 如果只是话题沾边但关键信息缺失——那它大概率就是 NOT GIVEN。
做完这四个 section 的统计之后，一个稳定的规律浮现出来：出题人并不刻意控制三种答案的比例，但它们天然地落在一个大致均衡的区间内。TRUE 不会一家独大，NOT GIVEN 也不会被“边缘化”。真正拉开分数的，不是你对某种答案的偏好，而是你在 NOT GIVEN 和 FALSE 之间那条边界上，踩得有多稳。