雷锋:做一颗永不生锈的螺丝钉

来源 :党建 | 被引量 : 0次 | 上传用户:haidiaiqing
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读

  “学习雷锋好榜样,忠于革命忠于党……”这首创作于1963年的歌曲,歌颂的便是伟大的共产主义战士、中国人民解放军全心全意为人民服务的楷模——雷锋。
  雷锋,原名雷正兴,湖南望城人。1940年,他出生于一个贫苦农民家庭,7岁时不幸成为孤儿。新中国成立后,雷锋积极参加了儿童团,思想愈发进步;与此同时,在新旧社会的强烈对比下,他的革命信念也愈发坚定。
  1956年夏,小学毕业后的雷锋参加了工作,先是在乡政府当通讯员,后因工作出色,被调往县里做公务员。工作之余,他认真读书学习,并养成了写读后感、记日记的好习惯。他曾在一篇日记中写道:“一个人的作用,对于革命事业来说,就如一架机器上的一颗螺丝钉……螺丝钉虽小,其作用是不可低估的。我愿永远做一个螺丝钉……”
  1958年,鞍山钢铁公司到望城县招收工人。雷锋听到消息后,积极响应号召,他那“到祖国最需要的地方奉献光与热”的夙愿终于得以实现。在鞍钢工作期间,他成为一名出色的推土机手,并多次被评为“劳动模范”“先进生产者”和“社會主义建设积极分子”。
  1960年,雷锋应征入伍,成为一名汽车兵。在部队里,他继续发扬螺丝钉精神,全心全意为人民服务,为了人民的事业无私奉献。他乐于助人,留下了“雷锋出差一千里,好事做了一火车”的佳话。他勤俭节约,经常把省吃俭用攒下的钱捐给灾区和需要帮助的人们。他还十分关心少年儿童的成长,先后担任抚顺两所小学的少先队校外辅导员,帮助教育孩子们德智体美劳全面发展。见他如此不计回报,有人称他是“傻子”。对此,他回应道:“我要做一个有利于人民、有利于国家的人。如果说这是‘傻子’,那我甘心愿意做这样的‘傻子’,革命需要这样的‘傻子’,建设也需要这样的‘傻子’。”
  1960年底,雷锋的先进模范事迹开始被广泛宣传报道,“雷锋”这个名字逐渐家喻户晓。但是,面对鲜花与掌声,他依然时刻提醒自己不能骄傲,要脚踏实地干好本职工作,继续做一颗螺丝钉。同年11月8日,雷锋光荣地加入中国共产党。然而,不幸的是,1962年8月15日,雷锋在一次执行运输任务时因意外而殉职,年仅22岁。
  在部队生活的这2年零8个月时间里,雷锋荣立二等功1次、三等功2次,先后被评为“模范共青团员”“学习毛主席著作积极分子”,并当选抚顺市人大代表。
  1963年3月5日,《人民日报》发表了毛泽东的题词——“向雷锋同志学习”,全国上下掀起了学习雷锋的热潮。此后,中华大地上涌现出一批又一批雷锋式的模范人物和学雷锋先进集体,他们将雷锋精神赓续传承、发扬光大,正如习近平总书记2018年在抚顺市参观雷锋纪念馆时所说,如果13亿多中国人、8900多万党员、400多万党组织都能学习雷锋精神,都能在自己的岗位上做一颗永不生锈的螺丝钉,我们的凝聚力、战斗力将无比强大,我们将无往而不胜。
  (作者单位:中央党史和文献研究院)
  (责任编辑:王碧薇)
其他文献
近年来互联网技术有了极大的普及和发展,网络上的数据量和用户请求量出现了爆发性的增长,这些增长要求服务器的处理能力也做出相应的提高。在如今典型的数据中心中,需要一个
随着大数据时代的来临,数据中心急剧发展,其规模和性能不断提升。在享受数据中心带来的便利的同时,数据中心庞大的电力消耗和环境污染问题得到人们的广泛关注。近来,燃料电池
图像超分辨率重建是计算机视觉领域中非常经典的任务之一,该技术通过软件算法将低分辨率图像重建为高分辨率图像,丰富了图像的细节信息,提升了图像的视觉效果,在公共安全、医
基于能量收集的认知无线传感器网络(EH-CRSN)是一种将认知无线电(CR)技术和能量收集(EH)技术引入到传统无线传感器网络(WSN)中的新型网络。CR技术缓解了WSN中频谱短缺的问题,
视觉显著性是灵长类共有的视觉处理特性,这项特性让我们在复杂的视觉信息中快速提取出对需要特别注意的物体区域。科学家们着力研究这项特性,将其与计算机科学相结合,引入到计算机视觉中,使其成为许多复杂视觉计算重要的前期预处理过程。视觉显著性主要由静态显著性、协同显著性和动态显著性三部分组成。其中静态显著性是此前的研究热门算法,行业中已取得较为不错的成果,但动态显著性的研究并非热门方向,仍然存在许多改进的空
切换系统是一类特殊的混杂系统,通常由一组子系统和切换律构成.近几十年来,切换系统的分析和设计引起广泛关注,如稳定性分析,L2增益分析,异步切换控制和故障检测问题等.在实
响应性差,质量大,不易携带是早期可穿戴设备的缺点。研究者为了解决这些问题,着重研究了具有高灵敏度且轻便易携带的可穿戴设备,并且为了迎合当今时代环保的主题,具有可生物
高光谱数据分类技术一直是遥感领域的热点问题之一,随着高光谱成像系统的进一步发展,高光谱数据的空间分辨率会更高,信息将更加丰富,传统的高光谱数据分类技术不能高效地利用
随着网络上图像数据的日益增多,对图像中最近邻的搜索需求也日益增多。而图像哈希在该方面因为计算速度快、存储空间少等优势被广泛重视,因而涌现了很多优秀的算法。但是,这些算法中仍然存在着一些问题需要解决。首先,传统无数据依赖哈希方法通用性强、运行速度快,但是在结果准确率上却不占优势。然后,现在普遍使用的基于卷积神经网络的图像哈希算法虽然准确率高,但是需要训练专门的哈希生成网络,训练时间和存储空间需求大。
我国大陆地区的低压配电网、美国以及我国台湾地区的中低压配电网广泛采用三相四线制网络结构供电。三相四线制配电网位于电力系统末端,存在三相不平衡与谐波污染等电能质量