當前位置:萬佳範文網 >

工作計劃 >暑假計劃 >

七年級暑假學習計劃怎麼寫

七年級暑假學習計劃怎麼寫

【篇一】

七年級暑假學習計劃怎麼寫

一、時間表

8:00起牀

8:00-8:30洗漱及早餐

8:30-9:30背20個英語單詞和10個短語

9:30-9:45聽寫單詞

9:45-12:00上課(每小時休息10分鐘)

12:00-14:00吃飯、休息(可看電視,玩電腦,自由活動)

14:00-17:00上課(每小時休息10分鐘)

17:00-17:30和老師户外活動,打羽毛球或乒乓球(若上課不認真聽講,此項活動取消)

17:30-18:30休息,吃晚飯

19:00-19:30背一篇古詩及看古文

21:30-22:00(週三、日任務)寫作文、日記、反思等

22:30睡覺

二、科目安排:

數學

1.看數學書,儘量把基礎的知識懂透。暑假時間比較多,自主學習的時間久較多,所以藥好好把握。把平時沒學懂的學懂。為下學期的學習做下鋪墊

2.學數學,不做題是不行的,數學講究見多識廣,有些別個見都沒見過的題,你做過的,就很容易。

3.數學,假期補課可以適當安排,畢竟七年級,不用太緊張,補課要有針對性,對自己不懂,或不是很懂的東西才補。

4.適當的預習也是有必要的,八年級的重點應該是一次函數和四邊形,可對較基礎的東西進行預習。

當然,能力不同,要求不同

語文

語文學起來應該比較輕鬆,主要是背誦下期的一些古文,這個很重要,為開學的學習打

下號基礎

英語

記單詞儘量不前250個單詞記下來還可以買跟教材配套的磁帶進行跟讀,很有用。複習就是記學過的單詞,儘量都會寫。還有就是背課文,增強語感。

【篇二】

1.聽的方法

“聽”是直接用感官去接受知識,而七年級同學往往對課程增多、課堂學習量加大不適應,顧此失彼,精力分散,使聽課效果下降。因此應在聽課的過程中注意做到:

(1)聽每節課的學習要求;

(2)聽知識的引入和形成過程;

(3)聽懂教學中的重、難點(尤其是預習中不理解的或有疑問的知識點);

(4)聽例題關鍵部分的提示及應用的數學思想方法;

(5)聽好課後小結。

2.讀的方法

七年級同學往往不善於讀數學書,在讀的過程中,易沿用死記硬背的方法。那麼如何有效地讀數學書呢?平時應做到:

一是粗讀。先粗略瀏覽教材的枝幹,並能粗略掌握本章節知識的概貌,重、難點;

二是細讀。對重要的概念、性質、判定、公式、法則、思想方法等反覆閲讀、體會、思考,領會其實質及其因果關係,並在不理解的地方作上記號(以便求教);

三是研讀。要研究知識間的內在聯繫,研討書本知識安排意圖,並對知識進行分析、歸納、總結,以形成知識體系,完善認知結構。

讀書,先求讀懂,再求讀透,使得自學能力和實際應用能力得到很好的訓練。

3.思考的方法

“思”指同學的思維。數學是思維的體操,學習離不開思維,數學更離不開思維活動,善於思考則學得活,效率高;不善於思考則學得死,效果差。可見,科學的思維方法是掌握好知識的前提。七年級學生的思維往往還停留在國小的思維中,思維狹窄。因此在學習中要做到:

(1)敢於思考、勤于思考、隨讀隨思、隨聽隨思。在看書、聽講、練習時要多思考;

(2)善於思考。會抓住問題的關鍵、知識的重點進行思考;

(3)反思。要善於從回顧解題策略、方法的優劣進行分析、歸納、總結。

4.記的方法

很大一部分學生認為數學沒有筆記可記,有記筆記的學生也是記得不夠合理。通常是教師在黑板上所寫的都記下來,用“記”代替“聽”和“思”。

有的筆記雖然記得很全,但收效甚微。因此,學生作筆記時應做到以下幾點:

(1)在“聽”,“思”中有選擇地記錄;

(2)記學習內容要點,記自己有疑問的疑點,記書中沒有的知識及教師補充的知識點;

(3)記解題思路、思想方法;

(4)記課堂小結。並使學生明確筆記是為補充“聽”“思”的不足,是為最後複習準備的,好的筆記能使複習達到事倍功半的效果。

5.問的方法

孔子曰:“敏而好學,不恥不問。”愛因斯坦説過:“提出問題比解決問題更重要。”問能解惑,問能知新,任何學科的學習無不是從問題開始的。但七年級同學往往不善於問,不懂得如何問。因此,同學在平時學習中應掌握問問題的一些方法,主要有:

(1)追問法。即在某個問題得到回答後,順其思路對問題緊追不捨,刨根到底繼續發問;

(2)反問法。根據教材和教師所講的內容,從相反的方向把問題提出來;

(3)類比提問法。據某些相似的概念、定理、性質等的相互關係,通過比較和類推提出問題;

(4)聯繫實際提問法。結合某些知識點,通過對實際生活中一些現象的觀察和分析提出問題。

此外,在提問時不僅要問其然,還要問其所以然。

  • 文章版權屬於文章作者所有,轉載請註明 https://wjfww.com/jihua/shujia/pow89.html
專題