當前位置:萬佳範文網 >

演講稿 >演講技巧 >

領導如何進行演講

領導如何進行演講

講得精彩,需要“才氣”。話是講給人聽的,沒有聽眾,講也白講。這就要求領導的講話除了言之有理、言之有物,還要言之有味,內容和形式都要讓人喜聞樂見。“腹有詩書氣自華”。領導者要講得有文采、有深度、有信息量,當然離不開講話者出眾的才氣。那麼領導者需要怎麼演講呢?下面是小編為大家收集關於領導如何進行演講,歡迎借鑑參考。

領導如何進行演講

一、領導者必須幽默風趣,生動活潑

言語表達幽默生動,這是領導者知識和智慧的表現,有利於取得良好的溝通效果。言語表達幽默生動,往往也是迴應難題、展現機鋒的利器。言語表達幽默生動,常見有以下方法:

一是巧解法。1958年11月毛澤東到湖北孝感視察,邀請了一些當地勞動模範和黨政領導登上專列座談,年僅19歲的女勞模晏桃香坐在毛澤東身邊,不經意打了個大噴嚏,噴了他滿臉污穢,舉座尷尬。毛澤東幽默地説:“雷聲大,雨點小!”這句機巧言語,表面上告知臉上污物不多,實則給晏桃香心理減壓,既展現了毛澤東對普通民眾的深情厚愛,也展現了毛澤東的機智幽默。

二是反擊法。1984年,74歲的美國共和黨總統候選人里根再度參加大選,56歲的民主黨總統候選人杜卡基斯在辯論會上,以高齡質疑對手,里根幽默地反擊:“今天,我不想因為自己豐富的從政閲歷,而輕視一個稚嫩的對手”,這番話將自己的高齡稱作“經驗豐富”,將對手的年輕貶損為“缺乏歷練”,反擊了對手的攻擊,成功駕馭了這場意義重大的前哨戰,為其贏得了不少選票。

二、領導者必須富有個性,不説套話

一個缺乏個性、滿口套話的領導者,不會贏得追隨者的支持。毛澤東早在延安時期的《反對黨八股》一文中,就痛斥套話“面目可憎,像個癟三”,進而指出:“俗話説:‘到什麼山上唱什麼歌。’又説:‘看菜吃飯,量體裁衣。’我們無論做什麼事都要看情形辦理,文章和演説也是這樣。”為此,領導者要從以下着手:

一是善於使用社會流行的言語。“80後”、“90後”逐步成為中國社會主流羣體,領導者面對他們更應注重言語表達“富有個性”。20xx年,華中科技大學校長李培根在畢業典禮演講中,説的都是年輕學子熟悉的網絡語言:“你們一定記住了‘俯卧撐’、‘躲貓貓’、‘喝開水’,從熱鬧和愚蠢中,你們記憶了正義;你們記住了‘打醬油’和‘媽媽喊你回家吃飯’,從麻木和好笑中,你們記憶了責任和良知;你們一定記住了姐的狂放,哥的犀利。”短短16分鐘講話,贏得掌聲30次,演講結束時畢業生起立歡呼“根叔”。

二是善於使用明白曉暢的言語。1940年,法西斯鐵蹄幾乎踏遍整個歐洲,英國急切希望美國伸出援助之手。美國總統羅斯福舉行記者招待會,宣佈將武器裝備以“租借方法”援助英國抗擊法西斯,通俗易懂地説:“假設我的鄰居家着火了……這時他需要借用我的花園澆水管,裝到他的水龍頭上。我自然會幫這個忙,幫他滅火。我該怎樣對待呢?我不至於在滅火之前先對鄰居説,‘夥計,我這澆水管價值15美元,你得先支付15美元,才會借給你使用。’……我不會要那15美元——我只是等到鄰居滅了火以後,讓他把澆水管退還給我。”一席話,成功地扭轉了朝野盛行的“孤立主義”,推動國會通過了援助英國的“租借法案”。

三是體現個性、避免套話。20xx年2月,習近平訪美期間巧妙闡述了多個重大話題。他引用英國十六七世紀哲學家培根的名言:“善於識別和把握時機極為重要”,引用美國19世紀作家貝拉米的格言:“黃金時代在我們面前而不在我們身後”,強調中美應把握住難得的發展機遇;他引用鄧小平的名言:“摸着石頭過河”,引用電視劇《西遊記》插曲中的名句:“敢問路在何方,路在腳下”,生動比喻中美關係發展需要兩國共同開拓;引用美國總統華盛頓的名言:“衡量朋友真正的標準是行動,而不是言語”,鮮明表達期待美方切實尊重中方核心利益和重大關切;引用中國古代詩人辛棄疾《菩薩蠻》的名句:“青山遮不住,畢竟東流去”,充滿信心地表示中美友好與合作是大勢所趨。

三、領導者必須用心講話,飽含感情

唐代詩人白居易説:“動人心者莫先乎情。”言語表達根本目的是傳達理念、激勵民眾,領導者為此必須做到:

一是言語表達的感染力。這是對領導者更高一個層次的要求。它不僅要求領導者能夠明白、曉暢地表達思想內容,而且,更進一步要求能夠激發追隨者內心強烈的情感共鳴。

二是言語表達的邏輯性。這是思辨邏輯性的外在表現,要求領導者言語表達時,必須按照通常的邏輯表達方式或追隨者所能理解的邏輯方式進行表達,儘量實現思維與語言的同步化。

三是言語表達的準確性。人們的思維過程是一個內省過程,故可以直接把握觀點、思想的本質。然而,在言語表達時,則必須以對方能夠清晰接受為目的,為此,準確的遣詞造句就是基本要求。

標籤: 演講 領導
  • 文章版權屬於文章作者所有,轉載請註明 https://wjfww.com/yanjiang/jiqiao/xoldze.html
專題