博客
关于我
自考总结
阅读量:116 次
发布时间:2019-02-26

本文共 790 字,大约阅读时间需要 2 分钟。

这次的自考经历让我感受到,考试方法的选择至关重要。在最后的两周,我始终在反思:如果坚持现有的方法,是否真的能有效提高效率?虽然知道这种方法可能不够理想,但又担心尝试新方法反而会浪费更多时间。

在这次自考中,我尝试了多种记忆方法。最初,我是采用死记硬背的方式,试图快速记住知识点。这种方法在短期内确实有效,但问题在于一旦遇到相似内容,往往难以区分,导致混淆。后来,我尝试将知识点编织成故事,通过联想记忆。这种方法效果不错,但需要对问题和故事进行深度联系,这对内容的理解要求较高。此外,我还尝试了从关键字扩展的方法,先抓住关键点,再逐步扩展相关内容。虽然这些方法都需要刻意记忆,但我发现自己过于依赖这些技巧,导致考试前心里虚,缺乏内心的充实感。

考试当天,面对填空和简答题时,我常常感到困惑。虽然能够联想到相关知识点,但具体细节记不清,答案也显得模糊不清。这种情况促使我意识到,考试前的准备工作需要更加充分。

在反思中,我意识到下次考试应该采取更系统的方法。首先要认真分析课程内容,选择适合自己的几种记忆方法,并深入尝试。快速阅读的过程中,至少需要进行两遍:第一遍重点理解内容,第二遍进行知识点梳理。梳理完成后,要进行局部知识的复习,并分析试卷,确保掌握重点。第三遍则是在过一遍书籍的同时,构建思维导图。导图完成后,结合记忆方法进行复习,并进行自我测试和小组讨论,重点整理难点。同时,在不看书的情况下,逐章逐节地进行知识联想,最终实现整本书的知识联想。

我认为,讨论难点的最佳时间是全体对书内容有基本把握的时候。只有这样,讨论才能深入浅出,真正解决问题。多动脑思考才能避免重复,纵然理解透彻,若不主动变通仍会陷入思维惰性,形成怪圈。

这次考试让我明白,考试方法的选择不仅关系到考试效果,更关系到学习过程的质量。下次考试,我将更加注重方法的多样性和适用性,希望找到最适合自己的学习策略。

转载地址:http://dhtf.baihongyu.com/

你可能感兴趣的文章
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>
nmap 使用方法详细介绍
查看>>
Nmap扫描教程之Nmap基础知识
查看>>
nmap指纹识别要点以及又快又准之方法
查看>>
Nmap渗透测试指南之指纹识别与探测、伺机而动
查看>>