當前位置:萬佳範文網 >

自我介紹 >面試自我介紹 >

志願者隊面試自我介紹

志願者隊面試自我介紹

每一次活動都少不了志願者的身影,那麼面試志願者自我介紹應該怎麼説?下面本站小編為你帶來志願者隊面試自我介紹的內容,希望你們喜歡。

志願者隊面試自我介紹
關於志願者隊面試自我介紹篇一

尊敬的xxx: 您好!

我叫xxx,在xx大學的法語系學習,有相當好的語言功底,和外教溝通很好,熱情開朗,喜歡交朋友。我從小立志刻苦學習,將來一定要成為國家棟梁之才。我決心要成為一名G20峯會會志願者。

我在中學學習期間不但是一名學習認真,品學兼優的好學生,而且是一個小有名氣的交友家。 此外,我的特長是英文,愛好是籃球,特別是在比賽場上更能表現我的不怕苦不怕累和團隊精神。

世上最怕的就是認真二字,我是一個做事認真的人,總是執着地帶着激情學習 。自我認為可塑性強,接受新知識新環境的能力強,可以認真地説,你教我什麼,我懂什麼,你讓我做什麼,我能做好什麼,這就是我的可塑性。

儘管我煞費苦心把自己介紹給x,用意是不言而喻的:希望您能賞識我,接收我。如果您在錄取的審核過程中,左右不定難以取捨的時候,請選擇我吧,我會證明給你看:你選對了。 祝:您工作順利!

關於志願者隊面試自我介紹篇二

我叫xxx,現於上海xx大學法語系就讀,現在是中國20XX年上海世博會展示中心的專職講解員。

來到展示中心已經有一年的時間了,曾經我也是一名展示中心的志願者,其實我一直把自己當做一名志願者。志願者有責任感、有使命感;不求回報、無私奉獻。工作了,雖然有人會説,每個月也拿一樣的工資,做多做少都一樣。但是,每天為觀眾多介紹一些,看着他們期盼世博的眼神,我就能明白這不是一件單調乏味的事情。

很榮幸在展示中心開館一週年之際,我被評為了金牌講解員。一年來接待了像荷蘭王國經濟部部長、馬裏共和國文化部部長以及南京軍區正軍級首長和揚州市市委書記等VIP、領導。但印象最深的還是為一位盲人小女孩講解,我將她的雙手放在每件展品上讓她觸摸,她是在用心參觀。當講到海倫·凱勒的故事的時候,我清晰地看到她眼中的執着和光芒我想,這正是我工作價值的所在。

工作中,我也有一些缺點,比如太過浮躁。在講解過程中,一旦現場觀眾過多或者不遵守秩序,很容易激動,有時甚至影響講解質量。為此我也在好好反思,爭取在工作中耐心、細心、熱心,只有這樣才能更好地奉獻世博。

現在我最大的願望就是好好工作,明年進園區服務世博、參與盛會,不論是以志願者的身份還是以工作人員的身份。相信,在20XX年10月31日晚上,中國向全世界宣佈我們舉辦了一屆成功、精彩、難忘的世博會之後,我也可以自豪地説:20XX年,我就是那成功、精彩、難忘的一部分!

關於志願者隊面試自我介紹篇三

各位領導:

早上好!

非常榮幸能參加這次面試,我是×××號考生,面試G20峯會的志願者,希望通過這次面試能向各位老師學到更多東西。

我來自美麗的海濱城市××,今年24歲,是××大學××專業本科的應屆畢業生。閩南的山水哺育我長大,我的血液裏流淌着閩南人特有活潑開朗的性格和愛拼才會贏的打拼精神。帶着這種精神,在校期間我刻苦學習,不負眾望分別獲得01-20xx年度二等獎學金,03-20xx年度和04-20xx年度三等獎學金,用實際努力報答父母和師長的養育之恩。

除了學習之外,我還積極參加各種社會實踐活動。我曾擔任班級的宣傳委員,組織了幾次班級和學院的公益活動:如青年志願者助殘活動,向孤兒院兒童獻愛心活動等。組織這些活動以及和活動中和成員的相處讓我學到了很多東西,對培養自己的能力和人際關係的處理有很大的好處,為我更快的走向社會提供了良好的平台。

此外,計算機和籃球是我業餘最大的愛好,我計算機過了國家2級,除熟悉日常電腦操作和維護外,還自學了網站設計等,並自己設計了個人主頁。我是班級的籃球隊主力,我覺的籃球不僅可以強身健體還可以培養一個人的團隊精神。

回顧自己大學四年的工作學習生活,感觸很深,但覺的收穫還是頗豐的。掌握了專業知識,培養了自己各方面的能力,這些對今後的工作都將產生重要的幫助。除此之外,也應該看到我的一些缺點,如有時候做事情比較急於求成,在工作中實際經驗不足等等。但“金無足赤,人無完人”每個人都不可避免的存在他的缺點,有缺點並不可怕,關鍵的是如何看待自己的缺點,只有正視它的存在,通過不斷的努力學習才能改正自己的缺點。今後我將更嚴格要求自己,努力工作,刻苦學習,發揚優點,改正缺點,開拓前進。

這次我選擇這個職位除了專業對口以外,我覺的我也十分喜歡這個職位,相信它能讓我充分實現我的社會理想和體現自身的價值。我認為我有能力也有信心做好這份工作希望大家能夠認可我,給我這個機會!

標籤: 志願者 面試
  • 文章版權屬於文章作者所有,轉載請註明 https://wjfww.com/jieshao/mianshi/9lwmw6.html
專題