當前位置:萬佳範文網 >

彙報體會 >彙報材料 >

屆大學聯考備考會彙報材料

屆大學聯考備考會彙報材料

二、2011年大學聯考目標

屆大學聯考備考會彙報材料

本科二批上線人數:普通類保20爭取30人,特長類保80人爭取100人。

本科(三批)350人以上。

三、本學期複習備考的一些設想

1. 營造良好的備考氛圍

(1)領導包班入組,着力做好引領和服務。形成全校一盤棋,人人關心大學聯考、關注大學聯考、支持高三,心往一處想、勁往一處使的好局面,幹部教師精誠團結,實現共贏。

(2)調動師生的積極性,實行目標化管理,制定有利於提高整體合力的大學聯考考核評價獎勵的方案,發揮好兩個質量協作體的合力作用(以班主任為核心的班級質量協作體、以備課組長為核心學科質量協作體)。

(3)充分發揮年級小級部管理的優勢,縮短年級管理鏈條,提升執行力,提高管理效率。

2. 紮實搞好第一輪複習

(1)全程採用四輪複習法(系統複習、專題複習、綜合訓練和自由複習),本學期重點是第一輪複習,二月底之前結束。

(2)第一輪複習要緊扣考綱,用活教材,以紮紮實實地圍繞着幫助學生熟練掌握基本知識、培養基本技能、熟練學科基本思想方法為目標組織複習,按照“低起點,小台階,嚴要求;抓好重點;反覆演練;循序漸進,逐步到位”的要求,控制好起點,選準合適的着眼點,把夯實基礎的目標落到實處。

(3)重點抓好複習教學的幾個關鍵環節

l 集體備課的實效性。每週至少一次集體備課,實行統一教案學案,落實好主備課人説課、聽課、評課制度,備課組長髮揮好引領、把關作用。

l 提高課堂教學效率。實行小課時制,切實要降低起點,多講聯繫、講方法、活化知識、構建網絡;合理講練比例,突出學生的主體性,落實重點內容當堂掌握,重視課堂教學前後延伸環節(課前預習與課後總結反思環節)。

l 資料選用的科學性。選用大品牌比較成熟的教輔資料,要求教師要根據學生實際對所定資料大膽刪補重組,提倡採用學案導學,單元測試和採用自組題.

l 提高作業訓練的有效性。設立專用自習,學習鹿泉一中的作業工程經驗,控制好作業量,立足中難及以下,精選功能性強的題目,限時練習(練習考試化)、重視練習反饋講評環節,提高練習講評效率重點,引導學生在懂、會、熟、準、活上下功夫,。

l 抓好輔導與分類推進工作。分類推進要早下手,唐山摸底考試後就確定重點幫扶目標,第一輪複習過程中要立足課堂教學,通過課堂關注、專用自習重點輔導、集中培優補弱等途徑開展分類推進,幫助學生樹立信心,確定恰當的目標,指導方法,糾正不良的學習習慣,彌補知識掌握上的欠缺,通過堅持經常的指導,讓學生有實實在在的提高。學校也要加強檢查督導和考核評價工作,調動教師的積極性,保證良好的推進效果。

3. 狠抓習慣,重視學生非智力能力的提高

(1)培養師生良好的習慣。本學期重點關注學生認真做事、正確歸因、有節有序、計劃用時、規範表達、注重積累、日清周結、定期回顧等良好的生活學習習慣的培養。主要通過嚴格要求、制度約束、檢查指導、榜樣示範等形式把學生習慣培養融入到高三教育教學管理的每個環節中,體現在每一節課中,確保習慣的培養落到實處。

(2)調控好師生的心態。各班圍繞年級確定的每月主題教育的重點,每週召開一次主題班會,幫助學生堅定信心,交流備考的經驗;同班教師每月召開一次班級教研會,會診班級管理有關問題,交流重點幫扶對象的幫扶方法和效果,提高班級質量協作體的合力;年級每月組織一次教學質量調研(月考),考後及時總結交流,幫助師生反饋複習效果,確定合理的目標定位,及時調整複習備考狀態。年級要在開學初、其中前後和期末階段組織三次心理輔導講座,幫助學生學會自我調節,以科學的心態備考。

(3)加強對學生的學習指導。培養學生的主體意識和主體能力,改善學習方法,提高學生的學習效率。

4. 重視抓好特長生的工作

(1)為特長班選配過硬的教師。

(2)制定有利於雙上線的考核獎勵評價激勵機制。

(3)切實做到兩手手抓,尤其是要抓好特長班的複習教學工作。

5. 虛心向兄弟學校學習,加強高三教師的培訓

我校高三幹部教師全部由高二跟上來,而且連續兩年沒有高三備考的經驗,加強學習和培訓尤為重要。

(1)虛心學習我是市弟學校和外地大學聯考工作先進地區(校)的寶貴經驗。

(2)組織教師認真研究大學聯考考綱、考題以及學生備考過程中容易出現的問題,把握脈搏,明確思路,保證備考方向。

(3)組織教師積極參加教研室組織的各種教研活動,經常性地組織老師去聽課、考察、參加大學聯考研討活動。

總之,我校將在教育局的正確指導下,竭盡全力做好複習備考工作,爭取在2010年的大學聯考中取得好成績成績,為全市的大學聯考再創輝煌作出我們應有的貢獻。

  • 文章版權屬於文章作者所有,轉載請註明 https://wjfww.com/huibao/cailiao/knlgdn.html
專題