當前位置:萬佳範文網 >

文祕 >會議發言稿 >

主題教育活動總結會上的發言大綱

主題教育活動總結會上的發言大綱

尊敬的局領導、各位同事大家好:

主題教育活動總結會上的發言大綱

XX年,全局主題教育活動的主題是:“負責任、講奉獻”,我先談談我對活動主題的一點淺顯的理解。

首先,我對“負責任”的理解:“負”就是擔當,對單位、對家庭、對自己勇於擔當的人才是對社會有用的人、才是最幸福的人。能否“負”責任主要決定於自身的修養和責任心,有責任心,我們就會擔當起所有責任;沒有責任心,就常常會置身事外,漠不關心。所以具備強烈的責任心是“負”責任的充分條件。其次是對於“責任”的理解,我認為,身為子女,對父母無微不至的關心是我們的責任;身為人父,對子女盡心盡職的教養是我們的責任;身為工作人員,對本職工作的熱愛與付出是我們的責任。正所謂事事有責任,時時有責任,是否具備責任意識往往體現了一個人為人做事的習慣、態度、原則和作風。英國首相丘吉爾説:“高尚、偉大的代價就是責任。”強調一個人要成為高尚偉大的人就必須具備極強的責任心。當然,責任不僅是做好分內應做的事情,也要承擔分外自己能承擔的使命。

其次是講奉獻。我認為奉獻是一種崇高的情感,能奉獻則是一種別樣的幸福。人所能得到的最大幸福、最自由快樂的心境,莫過於無私的奉獻,它是幸福的源泉!奉獻與索取是矛盾的,奉獻者付出的是汗水,是熱情,是無私的愛心,甚至是無價的生命。在這奉獻中,實現人生的價值,獲得大家的尊敬與愛戴;而一心索取的人,貪慾永遠得不到滿足,不僅會遭到他人和社會的唾棄,而且會使自己跌入慾望的深淵而喪失人生的目標與價值。

圍繞這次主題活動,我在平時的工作學習生活中努力從以下幾個方面去實施:

1、 先做人,再做事。我經常問我女兒,你為什麼去上學,她會很快告訴我,上學去學新知識,那我又問,學知識幹嘛,她無語,我告之,學知識是為了做人,只有先學會做人才會做事,才會做成事。我又問她什麼是做人,她支支吾吾想了半天,説做人就是不能小氣,我覺得小孩回答的很好,待人大方也是為人的一方面。其實做人就是指為人處世,待人接物。而為人處世,待人接物的原則是要負責任、講奉獻。對工作對朋友對家人要承擔應有的責任,要坦誠待人;要拿得起放得下,不急功近利,不患得患失;要胸懷坦蕩,所謂不拘小節者方成大器,內藏錦繡者眼光開闊。總之,做人境界的高低能體現一個人的品格、修養、胸襟、和智慧,只有把人先做好,才能做好事,才能做成事。

2、 做實事,務實效。做事情要實事求是,幹實事,務實效,求實績,在工作中踏踏實實,不浮躁,不虛榮,沒有混日子的思想,沒有怕吃苦的思想,沒有得過且過的思想,克服急功近利的浮躁風氣,遇到難於落實或阻力較大的工作,敢於面對,知難而進,樹立不達目的不罷休的信心,大膽工作。作為一個普通工作人員,事物雜,任務急,頭緒多,這就要求我要有務實的態度,腳踏實地,善始善終的把工作幹好。務實也不是按部就班,要發揮主觀能動性,以積極向上的工作態度,改進工作方法,不斷強化責任意識,提高工作水平,加強理論學習。工作中多一份盡力,多一點精細,多一點認真。

3、 樹立服務意識,忠實履行職責。首先,要提高服務水平。要切實增強為企業、為社會服務意識,牢固樹立和自覺踐行“負責任、講奉獻”的理念,養成精心負責、精準細緻的辦事作風,為企業和社會提供優質高效服務。其次,要認真履行自己的崗位責任,有“不推卸”意識,敢於挑起重擔,盡職盡責,不等不靠,苦練內功,勤勉敬業,腳踏實地地做好本職工作,努力提高工作質量水平和辦事效率,嚴格自律,自覺接受各方面監督,無論從事什麼工作,只有具備高度的責任感,才能得到大家的信任,才能為社會做出貢獻。

4、轉換思維角度,保持良好心態。生活中經常遇到一些動不動大動肝火,怨天尤人的人;也經常聽到埋怨自己生不逢時、懷才不遇的聲音。究其根源還是缺乏良好的心態。其實,只要換個角度,跳出問題看問題,要把自己當作問題的主體,運用自己的眼光,自身的客觀思維對待這一主體,往往會耳目一新、恍然大悟。同時,倘若能夠時時反省自己,認識自己的優點與不足,擺正自己的位置,找準自己的人生目標,從日常工作中挖掘自己的人生價值,我們的幸福指數可能就會只漲不跌了。正如思想家楊絳所説:“是什麼料,充什麼用。假如是一個蘿蔔,就力求做一個水多肉脆的好蘿蔔;假如是棵白菜,就力求做一棵瓷瓷實實的包心好白菜。”她讓我明白了一個事實,也明白了一個道理--如果我這輩子註定只能做蘿蔔白菜了,那就努力的做一個好蘿蔔,做一棵好白菜吧。這也是人生價值所在。

在以後的工作中,我將更加認真負責的去對待工作,做好每一項工作,不斷改善自我。始終保持富有激情、充滿智慧、奮力創新的精神狀態,堅定不移、全力以赴的投入到工作之中。

謝謝大家!

  • 文章版權屬於文章作者所有,轉載請註明 https://wjfww.com/wenmi/huiyi/pg7myw.html
專題