當前位置:萬佳範文網 >

專題 >熱點專題 >

學會傾聽作文

學會傾聽作文

教師:在講作文之前,我想首先請問大家一個問題:在考場上,落筆寫作文之前,你們首先考慮的是什麼問題?

學會傾聽作文

學生:“選擇什麼材料”“怎樣抓住評卷老師的心”“傾聽什麼”“這個作文究竟讓我們寫什麼”“什麼是傾聽”。

教師:在剛才的答案中,其實大部分都是不準確的。你們知道寫作文首先要進行的環節是什麼嗎?

學生:……

教師:寫作文的第一個環節是審題。所以剛才的答案中,只有一個是對的,也就是“這個作文究竟讓我們寫什麼”,這正是審題的過程。那麼審題之後又需要考慮哪幾個環節?

學生回答,教師總結:選擇材料――確定寫作角度及中心――安排作文結構,在此之後才是落筆寫作。

老師:那麼首先讓我們來分析一下作文的要求。

“生活中人們總希望別人是傾聽者,而自己卻很難耐心地去傾聽別人的心聲。其實,傾聽是一種美德,傾聽是一種修養,傾聽是一種氣度。仔細想想,難道不是這個道理嗎?

請以‘學會傾聽’為話題,寫一篇700字的文章,自擬題目,文體不限。”

那麼所給話題的核心是什麼?

學生:傾聽。

教師:找到了核心,我們又必須明確一個問題:什麼是傾聽?

學生:傾聽就是聽別人傾訴。

教師:準確地説,是細心地聽取。那麼傾聽是不是一定通過聽覺來進行呢?

學生:不一定,還可以通過心靈去感受。

教師:非常好。那麼傾聽的對象可以有哪些?

學生:朋友、家人、陌生人。

教師:這些都很正確,但是除了這些之外,還有哪些可以傾聽的對象?

學生:還有各種生物,比如大自然。

教師:很好。那麼傾聽會達到怎樣的效果?

學生:使有心事的人心情放鬆。

教師:那麼對於傾聽者而言呢?

學生:“能真正理解別人”“還可以把聽得的東西當作經驗教訓”

教師:是的。無論是傾聽者還是傾訴者,在傾訴與傾聽的過程中,都會有所收穫。而且傾聽是聯繫人與人之間親密關係的紐帶。那麼傾聽與傾訴之間,有什麼關係?

學生:因為有傾訴,所以才有傾聽。

教師:對。傾訴是導致傾聽的原因。那麼同學們考慮一下,傾訴的表現又可以有哪些呢?

學生:“口頭傾訴”“通過肢體語言來傾訴”“通過一個人的表現也可以體現出傾訴”。

教師:那麼如果是大自然呢?

學生:那就是大自然的種種被人為破壞的現象。

教師:這又一次涉及到了環保這個問題。如果寫得好的話,這也應是一個立意較高的作文。同學們想一想,在你的作文中,主要體現出來的是傾聽,也應該有傾訴的表現,其輕重應如何把握?

學生:傾聽是主線,而傾訴是引發傾聽必不可少的內容。

教師:上面我們所分析的是有關“傾聽”的內容,那麼在話題中還有一個關鍵性的詞語:“學會”,這個詞語決定了作文的哪一個方面?

學生:應該是文章的主題吧。

教師:是的。在作文中,這應該是貫穿始終的一條線,或者成為文章昇華的一個重要部分。那麼怎樣才能“學會傾聽”呢?

學生回答,教師總結:傾聽必然伴隨着一個個的故事或事件,通過所聽到或看到的事件去喚醒傾聽別人的良知。

教師:那麼怎樣才能突出這一話題中心呢?你可以從哪些方面着手?

學生回答,教師總結:立意新巧,思路清楚,語言優美,感人至深等等。

教師:通過以上的分析,大家能否知道自己在寫作過程中所出現的問題?下面再就考試評卷過程中出現的問題作以説明。

1.通篇沒有寫“傾聽”,或寫了一個與“傾聽”不相關的故事,在結尾處強硬地扣上“傾聽”二字。

2.以一個很長的開頭引出“傾聽”(幾乎佔一半篇幅),沒有對“傾聽”註解透徹,就匆匆結尾。

3.從頭到尾都寫“傾聽”,但絮絮叨叨,沒有層次。

4.搬用現成的故事。比如,一個孩子(或自己)學拉小提琴,因家人無耐心傾聽,而走出户外,遇一老婦人或老頭且耳聾,在她(他)的“傾聽”下,“我”琴技大增。不少同學把這個故事當成了自己的作文。

5.將如今學習的苦楚,考試的壓力一番抱怨,然後又忽然明白了學習的目的,表示要學會“傾聽”父母和老師,很生硬。

6.有同學寫“傾聽”自然(主要是傾聽地球的呼聲),這個主題很好,但語言平淡,東扯一句,西拉一句,文章支離破碎。

當然,也有許多不錯的文章。比如:

別人傾聽你讓你感動,所以你也學會了傾聽;你傾聽別人有所感悟;一個人的傾聽喚起另一個人的良知;純講傾聽在生命中的重要,傾聽帶給人的美好;把心靈之間的隔膜比作牆,推翻這面牆的最好方法學會傾聽;傾聽在人的生活中已漸漸消失,我們應該去喚起人們的良知,寫了一個“乞討傾聽”的故事;對傾聽的法則進行分析,傾聽不僅可以成為人與人心靈溝通的紐帶,是人們一切向美好努力的源泉,還可以是人生路上經驗教訓的積累。

希望同學們通過這一節課的分析,不再出現類似錯誤,並學會合理安排寫作的各個環節。

標籤: 傾聽
  • 文章版權屬於文章作者所有,轉載請註明 https://wjfww.com/zhuanti/redian/mn84e0.html
專題