當前位置:文書都 >

教師之家 >教學反思 >

《木蘭從軍》教學反思

《木蘭從軍》教學反思

木蘭從軍講述了木蘭代替父親去征戰的古代歷史典故。木蘭是古時候的一名民間女子。從小練習騎馬,正碰到皇帝招兵,她的父親的名字也在名冊上,她的父親因年老多病而不能勝任,木蘭便女扮男裝,買替父親出征。那麼,相關的教學反思是怎麼樣的呢?下面大家就隨小編一起去看看吧!

《木蘭從軍》教學反思

《木蘭從軍》教學反思一

本課為《木蘭從軍》第二課時,教學目標為:品讀課文,在閲讀和體悟中感受花木蘭為國為家分憂、戰功赫赫的英雄形象。能在情境中展開合理想象,用幾句話寫出木蘭説服家人的話。品味課文中的精彩語言,讀出感受。

這樣的歷史故事,似乎與學生生活關係不大。如何架設文本與學生生活的橋樑,調動學生參與的熱情,讓課堂成為學生個性展示的舞台呢?

一.豐富朗讀形式,注重朗讀指導

教學中以讀為主,採用豐富多彩的朗讀形式,如自由讀、默讀、男女生讀、

分組讀、配樂讀,想象讀等,教師以評價促進學生朗讀能力的提高。如“我好像看到了木蘭英姿颯爽的樣子!”“我感受到了木蘭保家衞國的急切心情!”以評促讀,讀中加深感悟。

二.抓住重點詞語,走進人物內心

抓住重點詞語,充分調動學生生活經驗。如“焦急萬分”一詞的學習。先是讀第二小節,找一找朝廷下達徵兵文書後,木蘭的心情怎麼樣?説説自己對 “焦急萬分”的理解,讀好詞語後聯繫生活“小朋友們在生活中,可能也會有焦急萬分的時候,願意説給大家聽聽嗎?”聯繫課文“木蘭又為什麼會‘焦急萬分’?”找出相應的句子,相機介紹背景,進入情境,想象説話,體會面臨家憂時,木蘭焦急萬分;面臨國憂時,木蘭更加焦急萬分。學生能通過朗讀表現出木蘭一次比一次焦急的心情。並進行了適度拓展,幫助學生進入文本情境。

三.採用角色體驗,説話寫話結合

“如果你就是花木蘭,遇到這樣的情況,你會怎麼做呢?”集體交流後相機請學生補充電視上了解到的戰爭場面。“木蘭也知道戰爭的危險,但是她為了保衞國家、保護家人,毅然做出了一個決定——自己理應為國為家分憂。“當木蘭把這個決定告訴家人時,家人一開始同意了嗎?你們現在就是木蘭的家人,你們為什麼不同意木蘭從軍?”學生從多角度換位思考,從家人的角度説出了自己對木蘭從軍的擔憂之情。“自古以來,打仗都是男人的事。女子的力氣沒有男子大。”“要是木蘭被發現是女子,就是犯了欺君之罪,要滿門抄斬啊!”“一旦上了戰場,就可能戰死,再也回不來了!”“家人非常擔心木蘭的安危,百般勸阻,如果你就是花木蘭,你會怎樣説服家人呢?”學生進行角色轉換,寫出了許多精彩的'句子——“父親,您年老多病,恐怕連駿馬都跨不上去。弟弟小,連槍都拿不動。我去最合適。” “現在國家遇到了困難,情況很緊急,我自小習武,身強力壯,就讓我去吧!”“我會女扮男裝,不會讓人發現我是女子的!”與人物心靈對話,可以幫助學生充分感受到花木蘭愛國愛家的英雄形象。

閲讀教學中的寫話受教學時間限制,指導的實效性還不夠明顯。如何充分發揮同伴互助的作用,進行有效的修改或指導,使每位學生寫話水平在原有基礎上提升,是今後研究這類課型模式時需要注意的一個問題。

《木蘭從軍》教學反思二

《木蘭從軍》是一篇歷史傳説故事,現在的學生對花木蘭瞭解很少,要讓學生通過故事中三件小事的簡述領悟到花木蘭的優秀品質,是教學的重點,也是教學的難點。所以,在上課一開始,我就讓學生從自己認識的大將軍與花木蘭身上尋找不同之處,學生模糊地感知到花木蘭是一位不同尋常的女英雄;還有我設計了“花木蘭説服家人”這個擴展性訓練,讓學生揣摩花木蘭的心理活動,感悟她為國為家,敢於犧牲自我的可貴之處;然後藉助插圖展示花木蘭馳騁沙場的生動畫面,讓學生進一步感受英雄的勇敢形象;最後通過引導學生比較戰場上的裝束和勝利回鄉之後的裝束,通過讀表達自己對花木蘭的敬佩之情。通過這一系列多向互動的情境中閲讀、感悟、表達與創新,學生對花木蘭的認識也步步深入,情感得到了進一步的昇華。但在教學過程中,我覺得有些語言組織的不是很好,語言不夠簡潔明瞭。特別是在學生回答問題錯的時候或者偏題的時候,沒有加以適當的引導,而是一帶而過,我覺得這點做的很不好,現在想想,學生説的很多話都是上課可以利用起來的,通過他們感興趣的話題來開展教學,這樣效果也許會更好。

通過這節課,我發現老師的提問直接影響着學生的思維和積極性,上課時的提問也是一門很大的學問。回憶自己聽過的很多優秀老師上的課,他們提的問題,都很有價值,能讓學生圍繞這一中心與文本進行交流,思考和探究,這樣學生的閲讀能力必將得到提高。而靜下來心來想想自己在課上所提的問題,發現很多都是多餘的,還有點畫蛇添足的味道,我想,在今後的教學中,我會重視起來的。

  • 文章版權屬於文章作者所有,轉載請註明 https://wenshudu.com/jiaoshizhijia/jiaoxuefansi/ogx8wo.html
專題