最简单的一种做读书笔记的方法是“摘抄法”。所谓摘抄就是读一本书、一篇文章，把其中的一些好的句子和段落摘下来，抄在本子上或卡片上。摘抄的内容要根据自己的需要来定第一阶段 感知（明确、分析、掌握、了解）议论文的小思路每个段落内部的小思路，是指：作者，通过（运用）普遍或特殊的论证方法（论法），从跟作者有关或无关的具体事件或抽象事理等若干论据，推论（分析、解决）出该论据所包含的义理之议论内容（论点）。就是说，分清（理清、判断）出：哪些语言片段属于论题（论据、对象、材料、作者所提出的引论之问题）部分，哪些语言片段属于分论点或总论点（内容、产品、作者所分析解决出的结论之内容答案）部分，哪些语言片段属于论题（能转变者）和论点（所转变者）之间的语义组合规律——论证方法（论法、思路、作者所运用的本论之方法）。论据部分（因支、议论对象），包括：具体的事件（物理现象、生理行为、心理活动）——事实论据——和抽象的事理（概念、语言、符号、定律、公式、性质、结构、类别、功能）——道理论据。论据的选择范围，要真实、可靠、典型，例如学科、国别（国与国之间的关系）、古今方面，例如：著名事例。注意，因为论据和论点，是相对而言的，所以，有些情况下，作者或其他人的论点，可以充当广义的作者的道理论据。就是说，论据，只能作为因，论点，有时作为果，有时作为因。论点部分（宗支、议论内容），往往是个表示肯定或否定的判断句之表述形式——明确的表态性的句子，论点，包括：中心论点（总论点）和分论点。中心论点，统摄（统帅、概括）全文里的若干分论点，就是说，分论点，服务于中心论点，因此，一篇文章里，有且只有一个中心论点，但是，可以有一个或很多个分论点。中心论点的分布位置，是：文章的标题本身；文章的开头（开篇），直接提出中心论点（开门见山、开宗明义），然后逐层论述；文章的中间，文章在论述过程中，提出中心论点，这种情况较少；文章的结尾处，归纳出中心论点（篇末点题、卒章显志）。
【阅读笔记一】 Lattice-Based Recurrent Neural Network, Encoders for Neural Machine Translation （ Jinsong Su et al. ） 摘要介绍： NMT神经机器翻译很大程度上依赖于词级建模来学习输入句子的语义表示。 对于处理没有自然语言分隔符的语言（比如中文），需要首先进行标记，这就产生了 两个问题：1）为源句子模型找到最优标记粒度的难度很大，粗粒度导致数据稀疏，细粒度导致有用信息丢失；2）难度大就容易造成错误，产生的错误会带到NMT的编码器中去，影响源句子的表示。 基于这两个问题，为了更好地进行源句建模，有必要向NMT提供多个标记化，而不是单一的标记化序列。 本文提出了一种 基于词格的递归神经网络 NMT编码器：1）以压缩编码多个标记字格作为输入；2）并在前面的时间步骤中学习从任意多个输入和隐藏状态生成新的隐藏状态。 字格是许多标记化的压缩表示，基于词格的编码器不仅减轻了最佳标记方式的标记错误( 1-best tokenization errors)的负面影响，而且更具有表达性和嵌入输入句子的灵活性。 NMT特点： 传统的统计机器翻译模拟管道(pipeline)中源语言和目标语言之间的潜在结构和对应关系， NMT则是训练了一个统一的编码-解码神经网络，其中编码器将输入的句子映射成固定长度的向量，解码器从编码的向量生成翻译。基于词格的递归神经网络 NMT ： 本文调查和比较了两个基于词格的RNN编码器： 1).浅度词格GRU编码器：基于来自多个采用标准GRU体系结构的标记的输入和隐藏状态的组合； 2).深度词格GRU编码器：它学习并更新门、输入和隐藏状态的特定标记向量（tokenization-specific vector），然后为当前单元生成隐藏状态向量。 在这两种编码器中，可以同时利用许多不同的标记来进行输入句子建模。结论： 与标准的RNN编码器相比，本文的编码器同时利用输入和前面的隐藏状态，依赖于 多个标记 来为源语句建模。因此，它们不仅减少了1-best tokenization errors的传播，而且比标准编码器更具表现力和灵活性。 汉英互译的实验结果表明，本文的编码器在各种基线上都有显著的改进。 展望： 本文的网络结构依赖于源句的词格。 扩展模型，将分割模型合并到源句表示学习中 。通过这种方式，符号化和翻译可以相互协作。此外， 更好的组合策略来改进编码器 。验证实验： 为了验证所提出的编码器的有效性，我们对汉英翻译任务进行了实验。 实验结果表明: (1)利用词界信息学习准确嵌入输入的汉语句子是十分必要的; (2)基于词格的RNN编码器在NMT方面优于标准RNN编码器。据我们所知，这是第一次尝试在词格上构建NMT。实验部分： 1.数据集 对NIST汉英翻译任务中提出的编码器进行了评估： 训练数据集：LDC2002E18、LDC2003E07、LDC2003E14、LDC2004T07、LDC2004T08和LDC2005T06中提取的125万对句子，其中中文单词2790万，英文单词3450万。 验证数据集：NIST 2005数据集 测试数据集：NIST 2002、2003、2004、2006和2008数据集。 使用斯坦福大学发布的toolkit2在CTB、PKU和MSR语料库上训练分词器以获得汉语句子格。 为了有效的训练神经网络，我们使用了中、英文最常用的50K单词作为我们的词汇。CTB、北大、MSR、lattice语料库中的汉语词汇占、、、，英语词汇占。2.实验结果： 字符覆盖比率： 翻译质量： 使用1-best分词的NMT解码实验： 模型： Word Lattice Lattice模型完全独立于分词，但由于可以在上下文中自由选择词汇来消除歧义，因此在使用单词信息时更加有效。 两种基于词格的RNN 编码器 【阅读笔记二】 基于 BLSTM 的命名实体识别方法（ fenget al. ） 摘要介绍： 对于（1）监督学习语料不足；（2）RNN 无法很好地处理长距离依赖问题, 并且训练算法存在梯度消失或爆炸问题 基于三点考虑：（1）文本是否被识别为命名实体与其上下文有关, 也与 构成命名实体的每个字及字序 有关；（2）考虑标注序列中标签间的相关性, 对本文提出的模型的代价函数进行约束, 在小的训练数据上尽可能挖掘有价值的信息 , 以提高命名实体识别的效果；（3）传统识别方法中的人工特征和领域知识对命名实体的识别效果的提升有重要影响, 但设计人工特征和获取领域知识的代价昂贵。 因此，本文提出了一种利用神经网络模型解决命名实体识别问题的有效方法, 该方法不直接依赖人工特征和外部资源, 只是利用了少量的监督数据、 领域知识和大量的无标注数据, 解决了目前的机器学习方法中过度依赖人工特征和领域知识及语料不足的问题。本文提出的命名实体识别方法中融入了词语的上下文信息、 词语的前后缀信息和领域词典, 将这种信息特征化为词的分布表示特征; 考虑了词语的标签之间的约束关系, 进一步提高了识别的效果。 展望： 本文只是顺序地读取数据对命名实体进行识别, 每个词语对命名实体的影响同等重要, 并没有考虑不同的词语对命名实体的不同影响,如何将深度学习的 注意力机制 引入本文的模型中、 重点关注对命名实体识别有重要影响的词语, 是进一步需要解决的问题。 实验部分： 数据集： DataSet1（大规模无标注语料）、DataSet2（标注语料）、DataSet3（命名实体识别标注语料） DataSet4（本文将DataSet2 和DataSet3 中的标签进行 删除, 并 拆分 为 字符序列数据, 得到的数据集） DataSet5（选择搜狗输入法词库中的部分数据[, 包括常见的中国人名、中国地名、 国家机关组织机构名, 拆分为 字符序列数据） 样本分类：TP FP TN FN 评价指标：精确率(Precision,P)、召回率 (Recall, R) 、F 测度值 (F-score,F) 、敏感度 (Sensitivity, Sent) 、特异性 (Specificity,Spec) 、1-特异性(1GSpec) 、 准确率(Accuracy,Acc) 实验结果： 实验影响因素： 地名和机构名这两类命名实体的长度通常较人名长, 而且构成复杂,由基于上下文的词向量和BLSTM_Ec 模型训练得到的词向量对识别效果有积极的影响。 人名词语长度较短、人名的姓氏和名字没有较强的约束关系、人名词典中的人名与待识别的文本中的人名实体没有很强的相关性, 因此前后缀信息、标签约束信息和领域知识对人名这类实体有一定的影响, 但影响不大。 模型： 其中，Ec为字符级向量；Ew为基于上下文词语的词向量。 【阅读笔记一】 An Empirical Study of Automatic Chinese Word Segmentation for Spoken Language Understanding and Named Entity Recognition （ Luo et al. ） 背景： 在英语文本中，句子是用空格分隔的单词序列。中文句子则是没有自然分隔符的字符串（其他类似语言：阿拉伯语、日语），汉语处理任务的第一步是识别句子中的单词序列，在合适的位置作边界标记。在中文文本中分词可以一定程度消歧义。分词通常被认为是许多中文自然语言处理任务的第一步，但它对这些后续任务的影响相对研究较少。 摘要介绍： 目前主要存在问题是1）在对新数据应用现有的分词器时的不匹配问题；2）一个更好的分词器是否能产生更好的后续NLP任务性能。 对于以上问题，本文提出三种方法： 1 ）在后续的任务中使用分词输出作为额外的特征，这比使用分词单元更能抵抗错误传播。 2 ）使用从后续任务训练数据中获得的部分标记数据对现有的分词器进行改进，进一步提高了端到端的性能。 3 ）利用了分词输出的 n-best 表，使得后续的任务对分词错误不那么敏感。 中文分词的任务主要是：1）识别句子中的单词序列。2）在合适的位置标记边界。 总结： 本文提出三种方法：利用分词输出作为附加特征；进行局部学习自适应；利用n-best表。 另外还研究了CWS在三种不同情况下的影响: 1）当域数据没有单词边界信息时，由公共域外数据构建的单词分段器能够提高端到端性能，将其与从人类注释派生的部分标记数据进行调整可以进一步提高性能。2）将n-best词分段边缘化会带来进一步的改进，当领域分词可用时，使用领域数据本身训练的词分段者有更好的CWS性能，但不一定有更好的端到端任务性能。一个在训练和测试数据上表现更 平衡 的词段器可以获得更好的端到端性能。3）在手工分割测试数据时，分词确实对任务有很大帮助，分词可以减少后续NLP任务的模糊性。 未来可能方向：顺序堆叠两层CRF，一层用于分词，一层用于后续任务。除了序列标记问题，探讨更多后续任务。 实验（ NER 部分）： 对于使用的NER数据，域训练和测试数据都有词界信息。这里讨论用域内数据训练的分词器和公开可用数据之间的区别(第二种情况)。分词性能与端到端后续任务之间的关系。 实验数据：使用第三个SIGHAN中文处理Bakeoff的基准NER数据(SIGHAN-3) (Levow, 2006)。训练集数据：46364句，测试集数据：4365句。这些数据都被标注了单词边界和NER信息。 实验结果：
读书笔记的格式模板
当品味完一本著作后，想必你一定有很多值得分享的心得，这时就有必须要写一篇读书笔记了！想必许多人都在为如何写好读书笔记而烦恼吧，以下是我为大家整理的读书笔记的格式模板，仅供参考，欢迎大家阅读。
最简单的一种做读书笔记的方法是“摘抄法”。
所谓摘抄就是读一本书、一篇文章，把其中的一些好的句子和段落摘下来，抄在本子上或卡片上。
摘抄的内容要根据自己的`需要来定。可以抄录领袖导师的教导，思想家、文学家、科学家的至理名言，人民群众、英雄人物的豪言壮语和格言谚语，还可以摘抄下你感兴趣的词段。
例如：在科学上没有平坦的大道，只有不畏劳苦沿着陡峭山路攀登的人，才有希望达到光辉的顶点。——马克思
读书笔记的主要内容：
摘抄精美语句，语段，词语。
写读后感或读书心得，内容鉴赏，探讨主题，评论人物，评品语言。
读书笔记一般分为：摘录、提纲、批注、心得几种，格式及写法并不艰深，心得笔记中的读后感有点麻烦，但只要懂得论点、论据和论证这三要素的关系，就会轻松拿下，因为读后感不过就是一种议论文而已。很多应用文种只有在将来的工作实践中才能具体应用，而读书笔记属日用文类，应即学即用。
常用的形式有：
提纲式——以记住书的主要内容为目的。通过编写内容提纲，明确主要和次要的内容。
摘录式——主要是为了积累词汇、句子。可以摘录优美的词语，精彩的句子、段落、供日后熟读、背诵和运用。
仿写式——为了能做到学以致用，可模仿所摘录的精彩句子，段落进行仿写，达到学会运用。
评论式——主要是对读物中的人物、事件加以评论，以肯定其思想艺术价值如何。可分为书名、主要内容、评论意见。
心得式——为了记下自己感受最深的内容，记下读了什么书，书中哪些内容自己教育最深，联系实际写出自己的感受。即随感。
存疑式——主要是记录读书中遇到的疑难问题，边读边记，以后再分别进行询问请教，达到弄懂的目的。
简缩式——为了记住故事梗概、读了一篇较长文章后，可抓住主要内容，把它缩写成短文。
读书笔记的形式多种多样。主要形式有：
笔记本
成册笔记本可用来抄原文、写提纲、记心得、写综述。长处是便于保存，缺点是不便分类，但可按类单独成册。
活页本
活页本可用来记各种各样笔记。便于分类，节约纸张也便于日后查阅。
卡片
便于分类，可按目排列，便于灵活调动又节省纸张，但篇幅小，内容不宜长。
剪报
把报纸和有用资料剪下来，长文章可贴在笔记本或活页本上，短小材料可贴在卡片上。剪报材料可加评注，也可分类张贴，要注明出处，以便使用。
全文复印
重要读书材料，为保持完整性，可全文复印编目分类留用。
记忆
如果能用大脑记下来的话就能更好地在生活中运用笔记中的知识，何乐而不为呢？
书签式
平时读书时遇到需要背诵的内容，可记在书签上，夹在书里、放在口袋里或插在专放书签的袋子里，一有空就读一读背一背，记得牢为止，再把它存放起来。可以帮助记忆。
图像式
阅读完之后，可以将书中的主要内容和重点整理成概念图或思维导图，这样相对对传统的文字式读书笔记，更加方便快捷。
【阅读笔记一】 Lattice-Based Recurrent Neural Network, Encoders for Neural Machine Translation （ Jinsong Su et al. ） 摘要介绍： NMT神经机器翻译很大程度上依赖于词级建模来学习输入句子的语义表示。 对于处理没有自然语言分隔符的语言（比如中文），需要首先进行标记，这就产生了 两个问题：1）为源句子模型找到最优标记粒度的难度很大，粗粒度导致数据稀疏，细粒度导致有用信息丢失；2）难度大就容易造成错误，产生的错误会带到NMT的编码器中去，影响源句子的表示。 基于这两个问题，为了更好地进行源句建模，有必要向NMT提供多个标记化，而不是单一的标记化序列。 本文提出了一种 基于词格的递归神经网络 NMT编码器：1）以压缩编码多个标记字格作为输入；2）并在前面的时间步骤中学习从任意多个输入和隐藏状态生成新的隐藏状态。 字格是许多标记化的压缩表示，基于词格的编码器不仅减轻了最佳标记方式的标记错误( 1-best tokenization errors)的负面影响，而且更具有表达性和嵌入输入句子的灵活性。 NMT特点： 传统的统计机器翻译模拟管道(pipeline)中源语言和目标语言之间的潜在结构和对应关系， NMT则是训练了一个统一的编码-解码神经网络，其中编码器将输入的句子映射成固定长度的向量，解码器从编码的向量生成翻译。基于词格的递归神经网络 NMT ： 本文调查和比较了两个基于词格的RNN编码器： 1).浅度词格GRU编码器：基于来自多个采用标准GRU体系结构的标记的输入和隐藏状态的组合； 2).深度词格GRU编码器：它学习并更新门、输入和隐藏状态的特定标记向量（tokenization-specific vector），然后为当前单元生成隐藏状态向量。 在这两种编码器中，可以同时利用许多不同的标记来进行输入句子建模。结论： 与标准的RNN编码器相比，本文的编码器同时利用输入和前面的隐藏状态，依赖于 多个标记 来为源语句建模。因此，它们不仅减少了1-best tokenization errors的传播，而且比标准编码器更具表现力和灵活性。 汉英互译的实验结果表明，本文的编码器在各种基线上都有显著的改进。 展望： 本文的网络结构依赖于源句的词格。 扩展模型，将分割模型合并到源句表示学习中 。通过这种方式，符号化和翻译可以相互协作。此外， 更好的组合策略来改进编码器 。验证实验： 为了验证所提出的编码器的有效性，我们对汉英翻译任务进行了实验。 实验结果表明: (1)利用词界信息学习准确嵌入输入的汉语句子是十分必要的; (2)基于词格的RNN编码器在NMT方面优于标准RNN编码器。据我们所知，这是第一次尝试在词格上构建NMT。实验部分： 1.数据集 对NIST汉英翻译任务中提出的编码器进行了评估： 训练数据集：LDC2002E18、LDC2003E07、LDC2003E14、LDC2004T07、LDC2004T08和LDC2005T06中提取的125万对句子，其中中文单词2790万，英文单词3450万。 验证数据集：NIST 2005数据集 测试数据集：NIST 2002、2003、2004、2006和2008数据集。 使用斯坦福大学发布的toolkit2在CTB、PKU和MSR语料库上训练分词器以获得汉语句子格。 为了有效的训练神经网络，我们使用了中、英文最常用的50K单词作为我们的词汇。CTB、北大、MSR、lattice语料库中的汉语词汇占、、、，英语词汇占。2.实验结果： 字符覆盖比率： 翻译质量： 使用1-best分词的NMT解码实验： 模型： Word Lattice Lattice模型完全独立于分词，但由于可以在上下文中自由选择词汇来消除歧义，因此在使用单词信息时更加有效。 两种基于词格的RNN 编码器 【阅读笔记二】 基于 BLSTM 的命名实体识别方法（ fenget al. ） 摘要介绍： 对于（1）监督学习语料不足；（2）RNN 无法很好地处理长距离依赖问题, 并且训练算法存在梯度消失或爆炸问题 基于三点考虑：（1）文本是否被识别为命名实体与其上下文有关, 也与 构成命名实体的每个字及字序 有关；（2）考虑标注序列中标签间的相关性, 对本文提出的模型的代价函数进行约束, 在小的训练数据上尽可能挖掘有价值的信息 , 以提高命名实体识别的效果；（3）传统识别方法中的人工特征和领域知识对命名实体的识别效果的提升有重要影响, 但设计人工特征和获取领域知识的代价昂贵。 因此，本文提出了一种利用神经网络模型解决命名实体识别问题的有效方法, 该方法不直接依赖人工特征和外部资源, 只是利用了少量的监督数据、 领域知识和大量的无标注数据, 解决了目前的机器学习方法中过度依赖人工特征和领域知识及语料不足的问题。本文提出的命名实体识别方法中融入了词语的上下文信息、 词语的前后缀信息和领域词典, 将这种信息特征化为词的分布表示特征; 考虑了词语的标签之间的约束关系, 进一步提高了识别的效果。 展望： 本文只是顺序地读取数据对命名实体进行识别, 每个词语对命名实体的影响同等重要, 并没有考虑不同的词语对命名实体的不同影响,如何将深度学习的 注意力机制 引入本文的模型中、 重点关注对命名实体识别有重要影响的词语, 是进一步需要解决的问题。 实验部分： 数据集： DataSet1（大规模无标注语料）、DataSet2（标注语料）、DataSet3（命名实体识别标注语料） DataSet4（本文将DataSet2 和DataSet3 中的标签进行 删除, 并 拆分 为 字符序列数据, 得到的数据集） DataSet5（选择搜狗输入法词库中的部分数据[, 包括常见的中国人名、中国地名、 国家机关组织机构名, 拆分为 字符序列数据） 样本分类：TP FP TN FN 评价指标：精确率(Precision,P)、召回率 (Recall, R) 、F 测度值 (F-score,F) 、敏感度 (Sensitivity, Sent) 、特异性 (Specificity,Spec) 、1-特异性(1GSpec) 、 准确率(Accuracy,Acc) 实验结果： 实验影响因素： 地名和机构名这两类命名实体的长度通常较人名长, 而且构成复杂,由基于上下文的词向量和BLSTM_Ec 模型训练得到的词向量对识别效果有积极的影响。 人名词语长度较短、人名的姓氏和名字没有较强的约束关系、人名词典中的人名与待识别的文本中的人名实体没有很强的相关性, 因此前后缀信息、标签约束信息和领域知识对人名这类实体有一定的影响, 但影响不大。 模型： 其中，Ec为字符级向量；Ew为基于上下文词语的词向量。 【阅读笔记一】 An Empirical Study of Automatic Chinese Word Segmentation for Spoken Language Understanding and Named Entity Recognition （ Luo et al. ） 背景： 在英语文本中，句子是用空格分隔的单词序列。中文句子则是没有自然分隔符的字符串（其他类似语言：阿拉伯语、日语），汉语处理任务的第一步是识别句子中的单词序列，在合适的位置作边界标记。在中文文本中分词可以一定程度消歧义。分词通常被认为是许多中文自然语言处理任务的第一步，但它对这些后续任务的影响相对研究较少。 摘要介绍： 目前主要存在问题是1）在对新数据应用现有的分词器时的不匹配问题；2）一个更好的分词器是否能产生更好的后续NLP任务性能。 对于以上问题，本文提出三种方法： 1 ）在后续的任务中使用分词输出作为额外的特征，这比使用分词单元更能抵抗错误传播。 2 ）使用从后续任务训练数据中获得的部分标记数据对现有的分词器进行改进，进一步提高了端到端的性能。 3 ）利用了分词输出的 n-best 表，使得后续的任务对分词错误不那么敏感。 中文分词的任务主要是：1）识别句子中的单词序列。2）在合适的位置标记边界。 总结： 本文提出三种方法：利用分词输出作为附加特征；进行局部学习自适应；利用n-best表。 另外还研究了CWS在三种不同情况下的影响: 1）当域数据没有单词边界信息时，由公共域外数据构建的单词分段器能够提高端到端性能，将其与从人类注释派生的部分标记数据进行调整可以进一步提高性能。2）将n-best词分段边缘化会带来进一步的改进，当领域分词可用时，使用领域数据本身训练的词分段者有更好的CWS性能，但不一定有更好的端到端任务性能。一个在训练和测试数据上表现更 平衡 的词段器可以获得更好的端到端性能。3）在手工分割测试数据时，分词确实对任务有很大帮助，分词可以减少后续NLP任务的模糊性。 未来可能方向：顺序堆叠两层CRF，一层用于分词，一层用于后续任务。除了序列标记问题，探讨更多后续任务。 实验（ NER 部分）： 对于使用的NER数据，域训练和测试数据都有词界信息。这里讨论用域内数据训练的分词器和公开可用数据之间的区别(第二种情况)。分词性能与端到端后续任务之间的关系。 实验数据：使用第三个SIGHAN中文处理Bakeoff的基准NER数据(SIGHAN-3) (Levow, 2006)。训练集数据：46364句，测试集数据：4365句。这些数据都被标注了单词边界和NER信息。 实验结果：
论文的读书笔记
导语：读了一些优秀论文，大家有怎样的收获呢？以下是我整理的论文的读书笔记，供各位阅读和参考。
在《论儿童教育》中，蒙田详尽地从各个角度联系自己的亲身经历，说明了儿童教育的重要性。他的父亲便是他笔下那位因材施教，引导孩子读书的好老师，父亲对他独特的教育方式，便是中国正在大力提倡的素质教育。
我反复读了几遍，他先进的思想，独特的见解，让我禁不住肃然起敬。其中有三点给我留下了深刻的印象。
一是从小便给孩子提供学习外语的环境。蒙田回忆说：“父亲给我找了一个不懂法语，稍通拉丁语的德国人……父亲本人，以及我的母亲，仆人和侍女，陪我玩耍时，尽量用他们现学的拉丁语同我说话。”现在许多家长将孩子送往国外，也许他们的初衷并非如此，但结果却往往是造就了一个“中西结合”的人，这就是语言环境下的产物吧。而一些小学中，在提供了小班化教育的基础上，还聘请了外籍教师，在愉快自然的气氛下教学，孩子们一定会有不少收获。
二是当儿童在汲取知识的同时，他们过多的依赖父母，可这是最要不得的。学校培养的是能文能武，全面发展的人。蒙田说：“让他生活在野外，担惊受怕。”听起来，似乎有些不近人情，但也只是有惊无险，看看他本人能潇洒的活着，便不用担心了。
第三点，即今天社会普遍呼吁的“反对体罚”，显然这是针对教书育人的人。一想到教师队伍中的部分人对学生大呼小叫，拳脚相加，在这么稚嫩的身子上进行摧残，不觉得有愧吗？难怪蒙田认为“学校象座监狱”，看来没有耸人听闻，可那是几百年前的法国呀，中国的教育水平难道还只停留在那个阶段吗？当然不是了，现在的老师都能做到把学生当做自己的孩子一样爱护和关心，老师不再仅仅是教书育人，更要对学生美好灵魂进行塑造。作为班主任我已充分体会到只有真正从内心对每个学生充满爱，才能给予他们最好的'教育和影响。
从蒙田的思想我大受启发，只要有适当的教育方法和独特的教育技巧，要对学生进行成功的素质教育并不是纸上谈兵的事，完全是可能做到的，那就让我在实践中去试一试吧
说来惭愧，早就听说过于永正老师的大名，可是直到最近才有幸拜读了他的书籍——《于永正：我怎样教语文》。“行文简浅显，做事诚平恒”，这句话形容于老的书和人简直再恰当不过了。
《于永正：我怎样教语文》这本书每一篇章都触动了我的心灵，让我印象深刻，并在一定程度上对我的语文教学起到了启发指导的作用。在这里，我想着重谈谈其中《语文教育，应该为学生留下什么》这一篇章。
语文教师只有彻底明白语文教育应该为学生留下什么，才会真正把握语文教学的精髓。那么，语文教育，应该为学生留下什么？于老师结合自己受教育的经历告诉我们，语文教学教的不是课文而是语文！用教材教识字、教写字、教读书（包括朗读）、教表达，激发兴趣，培养习惯，所以，教学时，繁琐的分析和讲解没有必要，要把3500（识字量）和2500（会写）保住，把读和写抓住，一句话：要把语文的根本留住。于老师教语文，第一，十分重视朗读。第二，十分重视写字。第三，特别喜欢教作文。另外，于老师特别指出，在完成教学任务的同时，要善待学生，要给学生留下自由成长的时间和空间。是啊，在教学的时候，我更多的是希望学生朝着自己既定的目标发展，希望他们会写多少字，会背多少课文，能考多少分，然而，这些并不是成长的真正意义。
写到这，我突然想到，我能不能转变下教学方式，试着逐个击破，具体地说，就是教授生字词时，把每一单元的生字词集中在一块教学；教授朗读时，把每一单元的课文集中到一起讲解朗读方法。在接下来的教学中，我会以这种方式教授其中一单元。
不断学习，不断思考，不断尝试，希望有一天我真的会教语文了。
最简单的一种做读书笔记的方法是“摘抄法”。所谓摘抄就是读一本书、一篇文章，把其中的一些好的句子和段落摘下来，抄在本子上或卡片上。摘抄的内容要根据自己的需要来定第一阶段 感知（明确、分析、掌握、了解）议论文的小思路每个段落内部的小思路，是指：作者，通过（运用）普遍或特殊的论证方法（论法），从跟作者有关或无关的具体事件或抽象事理等若干论据，推论（分析、解决）出该论据所包含的义理之议论内容（论点）。就是说，分清（理清、判断）出：哪些语言片段属于论题（论据、对象、材料、作者所提出的引论之问题）部分，哪些语言片段属于分论点或总论点（内容、产品、作者所分析解决出的结论之内容答案）部分，哪些语言片段属于论题（能转变者）和论点（所转变者）之间的语义组合规律——论证方法（论法、思路、作者所运用的本论之方法）。论据部分（因支、议论对象），包括：具体的事件（物理现象、生理行为、心理活动）——事实论据——和抽象的事理（概念、语言、符号、定律、公式、性质、结构、类别、功能）——道理论据。论据的选择范围，要真实、可靠、典型，例如学科、国别（国与国之间的关系）、古今方面，例如：著名事例。注意，因为论据和论点，是相对而言的，所以，有些情况下，作者或其他人的论点，可以充当广义的作者的道理论据。就是说，论据，只能作为因，论点，有时作为果，有时作为因。论点部分（宗支、议论内容），往往是个表示肯定或否定的判断句之表述形式——明确的表态性的句子，论点，包括：中心论点（总论点）和分论点。中心论点，统摄（统帅、概括）全文里的若干分论点，就是说，分论点，服务于中心论点，因此，一篇文章里，有且只有一个中心论点，但是，可以有一个或很多个分论点。中心论点的分布位置，是：文章的标题本身；文章的开头（开篇），直接提出中心论点（开门见山、开宗明义），然后逐层论述；文章的中间，文章在论述过程中，提出中心论点，这种情况较少；文章的结尾处，归纳出中心论点（篇末点题、卒章显志）。
读书笔记的格式要求：
1、读书笔记首先给出所选读的资料来源，引用资料的表示方法与毕业论文中的参考资料的表示方式相同。引用资料用4号黑体表示。字体用宋体。
2、对上述资料的相应心得笔记用宋体小4号字书写。
3、用上述方式进行重复。即一篇引用资料下接一篇读书笔记。
4、每篇资料的读书笔记字数要求不少于200字。
5、每段开头空两个字。行距：多倍 ；边距：默认。
6、用A4纸打印。读书笔记靠左侧装订。正文每页下方中部为页码。
扩展资料：
写好读书笔记常用的形式：
1、提纲式。以记住书的主要内容为目的。通过编写内容提纲，明确主要和次要的内容。
2、摘录式。主要是为了积累词汇、句子。可以摘录优美的词语，精彩的句子、段落、供日后熟读、背诵和运用。
3、仿写式。为了能做到学以致用，可模仿所摘录的精彩句子，段落进行仿写，达到学会运用。
4、评论式。主要是对读物中的人物、事件加以评论，以肯定其思想艺术价值如何。可分为书名、主要内容、评论意见。
5、心得式。为了记下自己感受最深的内容，记下读了什么书，书中哪些内容自己教育最深，联系实际写出自己的感受。即随感。
文献综述格式模板2000字
在社会的各个领域，大家都经常接触到论文吧，论文一般由题名、作者、摘要、关键词、正文、参考文献和附录等部分组成。那么，怎么去写论文呢？以下是我精心整理的文献综述格式模板2000字，欢迎阅读，希望大家能够喜欢。
一、什么是文献综述
文献综述是对某一方面的专题搜集大量情报资料后经综合分析而写成的一种学术论文，它是科学文献的一种。
文献综述与“读书报告”、“文献复习”、“研究进展”等有相似的地方，它们都是从某一方面的专题研究论文或报告中归纳出来的。但是，文献综述既不象“读书报告”、“文献复习”那样，单纯把一级文献客观地归纳报告，也不象“研究进展”那样只讲科学进程，其特点是“综”，“综”是要求对文献资料进行综合分析、归纳整理，使材料更精练明确、更有逻辑层次;“述”就是要求对综合整理后的文献进行比较专门的、全面的、深入的、系统的论述。总之，文献综述是作者对某一方面问题的历史背景、前人工作、争论焦点、研究现状和发展前景等内容进行评论的科学性论文。
二、撰写文献综述的目的
文献综述是反映当前某一领域中某分支学科或重要专题的最新进展、学术见解和建议的它往往能反映出有关问题的新动态、新趋势、新水平、新原理和新技术等等。学写综述的目的：
①通过搜集文献资料过程，可进一步熟悉法学文献的查找方法和资料的积累方法;在查找的过程中同时也扩大了知识面;
②查找文献资料、写文献综述是进行学术研究的第一步，因此学习文献综述的撰写也是为今后科研活动打基础的过程;
③通过综述的写作过程，能提高归纳、分析、综合能力，有利于独立工作能力和科研能力的提高;
④文献综述选题范围广，题目可大可小，可难可易，可根据自己的能力和兴趣自由选题。
三、撰写文献综述的步骤
写文献综述一般经过以下几个阶段：即选题，搜集阅读文献资料、拟定提纲(包括归纳、整理、分析)和成文。
1、选题和搜集阅读文献撰写文献综述通常出于某种需要，如从事某项科研、为某方面积累文献资料等等。文献综述选题范围广，题目可大可小，大到一个领域、一个学科，小到一个方法、一个理论，可根据自己的需要而定，初次撰写文献综述，所选题目宜小些，这样查阅文献的数量相对较小，撰写时易于归纳整理，否则，题目选得过大，查阅文献花费的时间太多，影响实习，而且归纳整理困难，最后写出的综述大题小作或是文不对题。选定题目后，则要围绕题目进行搜集与文题有关的文献。搜集文献要求越全越好。搜集好与文题有关的参考文献后，就要对这些参考文献进行阅读、归纳、整理，如何从这些文献中选出具有代表性、科学性和可靠性大的单篇研究文献十分重要，从某种意义上讲，所阅读和选择的文献的质量高低，直接影响文献综述的水平。因此在阅读文献时，要写好“读书笔记”、“读书心得”和做好“文献摘录卡片”。有自己的语言写下阅读时得到的启示、体会和想法，将文献的精髓摘录下来，不仅为撰写综述时提供有用的资料，而且对于训练自己的表达能力，阅读水平都有好处，特别是将文献整理成文献摘录卡片，对撰写综述极为有利。
2、格式与写法
文献综述的格式与一般研究性论文的格式有所不同。这是因为研究性的论文注重研究的方法和结果，而文献综述要求向读者介绍与主题有关的详细资料、动态、进展、展望以及对以上方面的评述。因此文献综述的格式相对多样，但总的来说，一般都包含以下四部分：即前言、主题(文献内容讨论和分析)、总结和参考文献。撰写文献综述时可按这四部分拟写提纲，在根据提纲进行撰写工。
前言部分，主要是说明写作的目的，介绍有关的概念及定义以及综述的范围，扼要说明有关主题的现状或争论焦点，使读者对全文要叙述的问题有一个初步的轮廓。
主题(文献内容讨论和分析)部分，是综述的主体，其写法多样，没有固定的格式。可按年代顺序综述，也可按不同的问题进行综述，还可按不同的观点进行比较综述，不管用那一种格式综述，都要将所搜集到的文献资料归纳、整理及分析比较，阐明有关主题的历史背景、现状和发展方向，以及对这些问题的评述，主题部分应特别注意代表性强、具有科学性和创造性的文献引用和评述。
总结部分，与研究性论文的小结有些类似，将全文主题进行扼要总结，对所综述的主题有研究的作者，最好能提出自己的见解。
参考文献虽然放在文末，但却是文献综述的重要组成部分。因为它不仅表示对被引用文献作者的尊重及引用文献的依据，而且为读者深入探讨有关问题提供了文献查找线索。因此，应认真对待。参考文献的编排应条目清楚，查找方便，内容准确无误。关于参考文献的使用方法，录著项目及格式与研究论文相同，不再重复。
四、注意事项
由于文献综述的.特点，致使它的写作既不同于“读书笔记”“读书报告”，也不同于一般的科研论文。因此，在撰写文献综述时应注意以下几个问题：
1、搜集文献应尽量全。掌握全面、大量的文献资料是写好综述的前提，否则，随便搜集一点资料就动手撰写是不可能写出好多综述的，甚至写出的文章根本不成为综述。
2、注意引用文献的代表性、可靠性和科学性。在搜集到的文献中可能出现观点雷同，有的文献在可靠性及科学性方面存在着差异，因此在引用文献时应注意选用代表性、可靠性和科学性较好的文献。
3、引用文献要忠实文献内容。由于文献综述有作者自己的评论分析，因此在撰写时应分清作者的观点和文献的内容，不能篡改文献的内容。
4、参考文献不能省略。有的科研论文可以将参考文献省略，但文献综述绝对不能省略，而且应是文中引用过的，能反映主题全貌的并且是作者直接阅读过的文献资料。
关于毕业设计(论文)文献综述的写作要求
文献综述是培养学生独立从事学术研究能力，特别是培养学生检索、搜集、整理、综合利用学术文献资料，根据所研究课题对文献资料进行有效的归纳、分析、总结能力，从而提高独立工作能力和科研能力。
毕业设计(论文)文献综述是指学生在毕业设计(论文)研究课题或研究题目确定后，通过搜集、整理、阅读国内外相关学术文献资料，就与该课题或题目直接相关的主要研究成果、学术意义、研究方法、研究动态、最新进展等问题进行归纳总结、综合分析后所做的简要评述。是提高毕业设计(论文)质量的有效途径。
文献综述所评述的学术文献必须与学生所撰写毕业设计(论文)保持高度一致，必须对可能影响所撰写毕业设计(论文)主要论点、政策建议或反驳依据等主要学术结论的相关文献及其主要论断做出清晰、准确、流畅的说明，必须保证综述本身结构的完整性，能够反映学生的利用学术文献的综合能力。
文献综述是学生撰写毕业设计(论文)过程的有机组成部分，必须在论文指导教师的指导下完成;文献综述必须按学院要求的基本规范撰写，一般应在3000字左右。文献综述的成绩综合纳入学生毕业设计(论文)成绩之中，未完成毕业设计(论文)文献综述的学生不得参加毕业论文答辩。
所有毕业生在撰写毕业设计(论文)后必须完成毕业设计(论文)文献综述。学院明确要求从20xx级学生毕业论文开始实施文献综述写作制度。为了进一步规范文献综述的写作，现将文献综述写作要求明确如下：
一、撰写文献综述的基本要求
文献综述是针对某一研究领域或专题搜集大量文献资料的基础上，就国内外在该领域或专题的主要研究成果、最新进展、研究动态、前沿问题等进行综合分析而写成的、能比较全面的反映相关领域或专题历史背景、前人工作、争论焦点、研究现状和发展前景等内容的综述性文章。“综”是要求对文献资料进行综合分析、归纳整理，使材料更精练明确、更有逻辑层次;“述”就是要求对综合整理后的文献进行比较专门的、全面的、深入的、系统的评述。
二、撰写文献综述的基本注意事项
1、文献综述是一篇相对独立的综述性学术报告，包括题目、前言、正文、总结等几个部分。
题目：一般应直接采用《文献综述》作为标题，经指导教师批准也可以所研究题目或主要论题加“文献综述”的方式作为标题。
前言：点明毕业设计(论文)的论题、学术意义以及其与所阅读文献的关系，简要说明文献收集的目的、重点、时空范围、文献种类、核心刊物等方面的内容。
正文：无固定格式，可以按文献的时空顺序，层次顺序，毕业设计(论文)的论点顺序等展开，总之要根据毕业设计(论文)的具体情况撰写，对毕业设计(论文)所采用的全部参考文献分类、归纳、分析、比较、评述，应特别注意对主流、权威文献学术成果的引用和评述，注意发现已有成果的不足。
结论，对全文的评述做出简明扼要的总结，重点说明对毕业设计(论文)具有启示、借鉴或作为毕业设计(论文)重要论述依据的相关文献已有成果的学术意义、应用价值和不足，提出自己的研究目标。
2、要围绕毕业论文主题对文献的各种观点作比较分析，不要教科书式地将与研究课题有关的理论和学派观点简要地汇总陈述一遍。
3、评述(特别是批评前人不足时)要引用原作者的原文(防止对原作者论点的误解)，不要贬低别人抬高自己，不能从二手材料来判定原作者的“错误”。
4、文献综述结果要说清前人工作的不足，衬托出作进一步研究的必要性和理论价值。
5、采用了文献中的观点和内容应注明来源，模型、图表、数据应注明出处，不要含糊不清。
6、文献综述最后要有简要总结(结论)，并能准确地反映主题内容，表明前人为该领域研究打下的工作基础。
7、所有提到的参考文献都应和所毕业论文(设计)研究问题直接相关。
8、文献综述所用的文献，与毕业设计(论文)的论题直接相关，与毕业设计(论文)的参考文献数量完全一致;重要论点、论据不得以教材、非学术性文献、未发表文献作为参考文献，应主要选自学术期刊或学术会议的文章，其次是教科书或其他书籍。至于大众传播媒介如报纸、广播、通俗杂志中的文章，一些数据、事实可以引用，但其中的观点不能作为论证问题的依据。
三、参考文献格式
参考文献的著录均应符合国家有关标准。参考文献的序号左顶格，并用数字加方括号表示，如[1],[2],?,以与正文中的指示序号一致。每一参考文献条目的最后均以“.”结束。各类参考文献条目的编排格式以及示例如下。
1、 连续出版物
[序号] 主要责任者、文献题名[J]、刊名，出版年份，卷号(期号)：起止页码、 例如：
[1] 毛峡,丁玉宽.图像的情感特征分析及其和谐感评价[J]、电子学报,20xx,29(12A):1923-1927.
2、 专著
[序号] 主要责任者、文献题名[M]、出版地：出版者，出版年：起止页码、例如：
[2] 刘国梁,王成.图书馆史研究[M]、北京:高等教育出版社,1979:15-18,31.
3、 会议论文集
[序号] 主要责任者、文献题名[A]//主编、论文集名[C]、出版地：出版者，出版年：起止页码、例如：
[3] 毛峡,孙云.和谐图案自动的生成研究[A].第一届中国情感计算及智能交互学术会议论文集[C].北京:中国科学院自动化研究所,20xx:277-281.
4、 学位论文
[序号] 主要责任者、文献题名[D]、保存地：保存单位，年份、例如：
[4] 张京、水利水电理论[D]、武汉:武汉大学,1997.
5、 报告
[序号] 主要责任者、文献题名[R]、报告地：报告会主办单位，年份、例如：
[5] 冯宜章、核反应堆压力容器的LBB分析[R]、北京:清华大学核能技术研究院,1997.
6、 专利文献
[序号]专利所有者、专利题名[P]、专利国别：专利号，发布日期、例如：
[6] 姜锡州.一种温热外敷药制备方案[P].中国专利:881056078,1983-08-12.
7、 国际、国家标准
[序号]标准代号，标准名称[S]、出版地：出版者，出版年、例如：
[7] GB/T16159-1996，汉语拼音正词法基本规则[S]、北京：中国标准出版社，1996、
8、 报纸文章
[序号]主要责任者、文献题名[N]、报纸名，出版日期(版次)、例如：
[8] 毛峡、情感工学破解‘舒服’之谜[N]、光明日报，20xx-4-17(B1)、
9、 电子文献
[序号] 主要责任者、电子文献题名[电子文献及载体类型标识]、电子文献的出处或可获得地址，发表或更新日期/引用日期(任选)、 例如：
[9] 王明亮、关于中国学术期刊标准化数据库系统工程的进展[EB/OL]. , 1998-08-16/1998-10-04.
引用参考文献类型及其标识说明如下：
根据GB3469规定，以单字母方式标示以下各种参数文献类型，如下表所示：
四、文献综述页面设置和字体大小
1、页眉
页眉内容一律为“师范学院本科生毕业设计(论文)文献综述”，小五号宋体，右对齐。
2、页边距
论文的上边距：30mm、下边距：30mm、左边距：35mm、右边距：35mm、页眉：30mm、页脚：30mm，行间距为固定值22磅行距。
3、页码的书写要求
页码从前言部分开始至结论，用阿拉伯数字连续编排，页码位于页面底端居中。封面不编入论文页码。
4、文献综述中一级标题为黑体4号，二级标题为黑体小四号。正文用宋体小四号，参考文献用宋体小五号。
5、文献综述字体样式见附件1，封面格式见附件2。
读书笔记的写法是： （1）什么杂志，第几期，什么地方有关于什么问题的什么论述，它对于我即将做的博论文有什么参考作用，或者我对于这个问题有什么自己的见解，可能会有什么贡献等等。 （2） 读书笔记要进行分类，如分为数学模型方面的；实证研究方面的；中文文献方面的；外文文献方面的；数据方面的；纯理论方面的；政策分析方面的；学术争论方面的；案例材料方面的等等。 （3） 重点分析或者精读几篇代表性的文
题目：作者： （翻译： ）书刊名称：内容摘要：心得体会（剖析）：我也有写过，望采纳
开篇先总结学术论文的中心思想分段叙述：学术论文中会有很多小标题，每一个小标题其实都是一个小重点。你用自己的话分段将这些叙述一遍总结，谈谈自己对这篇学术论文的感悟，或者是由这篇论文引发的思考
1：大概内容2：好词’好句'好段3：有感