幼儿园美术活动中小组合作学习的实施策略探讨

来源 :读写算 | 被引量 : 0次 | 上传用户:zhangg91
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
  摘 要 小组合作学习是幼儿学习的重要形式之一,对幼儿的个体成长、学习发展有着重要的促进作用。在幼儿美术教学课堂上引入小组合作学习实施教育活动,能够深化美术课堂的教育价值,更能够实现多样化的美术教学,让幼儿的综合能力得到更有效的提升。
  关键词 幼儿园;美术活动;小组合作学习;策略
  中图分类号:G612 文献标识码:A 文章编号:1002-7661(2019)16-0048-01
  在《幼儿园教育指导纲要》中明确提出“培养孩子的合作能力是早期教育中必不可少的一项内容”。在《3-6岁儿童学习与发展指南》中也提出“幼儿园应多为幼儿提供需要大家齐心协力才能完成的活动,让幼儿在具体的活动中体会合作的重要性,学习合作分工”。为满足幼儿教育需要,落实合作能力培养的幼儿教育任务,幼儿教师应积极将美术活动与小组合作相互融合,利用小组合作学习模式深化幼儿园美术教学课堂,同时利用美术活动课堂给小组合作学习模式提供应用的机会,让美术课堂与小组合作学习模式在1 1中实现>2的最终结果。
  一、合理划分小组,做好美术教学前提准备
  要想让合作学习模式与幼儿美术教学课堂得以深度融合,教师首先要合理地划分合作小组。这就要求教师应在开展美术教育工作前采用多种方式培养幼儿的合作愿望和基本能力,要利用引导的方式让幼儿表述自己的合作期待,从而让幼儿知道什么是小组合作,如何进行小组合作,在此基础上进行小组成员划分才会更有效。
  其次,教师要在分组时充分考虑幼儿的年龄特点、性别、技能爱好等,采取“同组异质,异组同质”的划分方法对幼儿进行合理地分配。也可以充分考虑幼儿之间的关系来对幼儿进行小组组合,这样才能够为后续的美术教学活动做好“组织单位”的准备,才能够让幼儿在后续的美术教学工作中能够相互促进、相互提高。
  二、精心设计内容,明确美术教学活动方向
  幼儿教师要结合幼儿园的美术教育内容精心选取合作内容,既要确保美术教育内容的丰富性,又要确保美术教学内容的选择能够切实地推动幼儿的合作欲望。幼儿园的美术活动形式多种多样,包括绘画、手工、欣赏等。
  首先,教师要充分考虑并根据幼儿的能力结构来选取美术课堂的合作内容。对于小班的幼儿,他们的能力发展刚起步,因此教师所涉及的美术教学内容应该是简单的、清晰的、明了的,且能够被幼儿所接受的。教师可对该年龄段的幼儿可采取“分组涂鸦”的方式来实施美术教学,让幼儿们合作涂鸦去创作自然景观、山水画等等。而对于中大班的幼儿,教师可让幼儿尝试合作去做泥塑、剪纸,这样才能够确保合作内容切合幼儿的发展能力和特点,合作学习模式也才能够被有效应用。
  其次,教师要注意合作的场所不一定只限制在美术教学课堂上,为提高幼儿合作的积极性,提高幼儿的美术创作兴趣,教师可带领幼儿深入到自然中、生活中开展美术活动,通过《雨中乐》、《荷塘趣事》等活动,让幼儿共同创作美术作品。这样既能够让美术课堂创意十足,又能够让美术教学作品画面生动。
  三、有效组织实施,发挥美术教师指导作用
  在小组合作学习的美术教学课堂上,教师要正确认识自身所承担的教育重任,实施有效的组织与引导作用,以确保幼儿的合作学习方向明确、思路清晰。尤其是对于幼儿园的孩子来说,他们很少能够衡量自己的能力,因此在分工过程中容易出现一些“小问题”。这时教师需要站出来做最合适的引导,让幼儿们自己谈一谈谁想做小组长呀?哪位孩子的总结能力强呀?谁的动手能力很棒呢?这样的诱导方式让幼儿能更好地进行自我认知,能够引导幼儿发现自身的优质潜能,更能够让幼儿在自我定位中合理地进行美术活动分工。
  其次,教师在开展小组合作学习时不要作为旁观者而存在。教师也是每一位幼儿的“小伙伴”,因此教师要以积极的姿态参与到幼儿的小组美术作品创作活动中,及时询问幼儿作品的创作思路,表现方式等,以便让幼儿能够时刻以清晰的思路去创设美术作品。
  四、实现多元评价,激发幼儿美术参与信心
  评价环节是幼儿园美术教学课堂实施小组合作学习的最后一个环节,也有着十分重要的教育意义。在评价环节中,教师要注意开展小組评价、个人评价等活动。首先,要给孩子们展示自己美术作品的场所和空间,让每一组孩子的作品都能够得到展示,以激发孩子的自豪感和成就感。其次,教师要从小组的角度对每一个小组的作品进行奖励,有的小组是“最佳创意奖”,有的小组则是“最美作品奖”,这样能够让每一个小组都被教师所鼓励,孩子们的自信心也会大大提高。同时,教师可在开展小组合作过程中去观察每一位孩子的行为活动,针对性地对孩子进行表扬和鼓励,以增强幼儿参与美术活动的自信心,让小组合作能够更好地与美术教育课堂相融合。
  五、结束语
  要想在幼儿美术教学课堂上真正落实小组合作学习模式,幼儿教师必须奏响教育“三部曲”:尊重群体幼儿、遵循教育纲要、遵守教育规律。只有这样才能够在“三部曲”中实现对幼儿合作能力的提升,才能够让幼儿在参与美术学习中享受美术,进而实现全面发展。
  参考文献:
  [1]王思懿.幼儿园美术活动中小组合作学习的实施策略[J].教育科学论坛,2018(10).
其他文献
朱俊贤,一个67岁两袖清风、退了休的老法官,和他那部形影相随的坐骑,完成了累计近五万公里的骑行计划。北京、青藏高原、拉萨、缅甸、云南……都曾留下过他的足迹。虽然风尘
为了探究流注放电过程中初始电离区域形状对流注发展的影响,使用COMSOL Multiphysics软件对板-板间隙为10 mm的流注放电过程进行二维模拟。仿真结果表明,在标准大气压下,初始电离区域形状的改变会对流注的时空发展特性产生影响。流注的发展速率随着分布位置间隔的增大而降低,流注通道出现明显的分叉现象。根据初始电离区域形状不规则性提出一种包络面轮廓指示法,通过识别与特定电子密度相关的指示轮廓
为了提升Wi-Fi设备的访问安全性,提出一种基于信道状态信息(Channel State Information, CSI)的Wi-Fi认证方法。该方法能够有效避免非法用户在非限定区域连接Wi-Fi。根据用户在不同位置连接Wi-Fi时能够引起不同CSI多载波分部的特性,在Wi-Fi信号范围内的各区域建立指纹库,采用Hampel滤波器去除CSI数据流中环境因素引起的噪声,利用支持向量机(Suppor
大型平台的远距离运输任务中,对装载方案作合理规划,可以显著降低成本、提高效率,具有重要研究意义。基于实际场景,提出一种改进的集装箱装载优化模型。综合考虑空间利用效率、船队控制成本和快速作业反应三个要求,设计多目标优化函数;对船型、设备种类构建双重匹配约束;通过分治思想对复杂模型进行拆分,应用遗传算法优化求解。仿真实验结果表明,该模型求解效率高,可反映大型平台远海运输的装载综合需求,具有很好的应用价
摘 要 为开展有效的幼儿园教育工作,打造教育新形势下的新教育课堂,广大幼儿园教育工作者必须在认真审视教育新形势下,切实在幼儿教育工作中落实科学发展观,在以质量求生存中从多方面出发,开展有效的幼儿园教育工作。  关键词 幼儿园;教育工作;有效性  中图分类号:G612 文献标识码:A 文章编号:1002-7661(2019)16-0047-01  在激烈竞争的现实环境下,幼儿教育工作越来越受到社会的
网络设备分类的前提是要对流量数据进行正确的预处理。现有预处理方法大多利用编程语言开发出小型工具类软件,应用范围较窄不具有推广性,无法满足一些特定的处理需求且源码不公开。对此,提出一种通用性的网络流量数据集构造方法,可以快速完成特征提取。并提出一种特征提取库的模块化方法,能够不断完善统计特征。通过在公开的pcap数据集上的实验,证明了该方法能有效解决pcap网络流统计特征的提取,具有很好的实用性和处
为提高负荷预测精度,提出一种基于小波分解的多模型集成短期负荷预测方法。由最大互信息系数(MIC)选出与负荷相关性高的特征候选集;为获得平稳的负荷序列,将小波分解集成到多预测模型中;小波分解后的负荷序列由多种预测模型(最小二乘支持向量回归、长短期记忆循环神经网络和极限梯度提升树)进行训练,这些模型在同一小时内提供不同的预测;在集成过程中采用二次学习来组合各时段预测结果并得到最终输出。真实电网数据实验
在软件定义的物联网中主要通过减轻控制器端的请求负载和增加数据服务器数量来降低网络中数据传输的延迟,但未考虑数据转发平面上的数据传输延迟问题,导致网络整体数据传输延迟。对此,提出一种基于蚁群算法的数据传输方法。在数据转发平面上,对数据流的路径进行动态规划,实现数据流合理均衡分配到可行的多路径上。该方法能够充分利用网络资源,使网络达到负载均衡,避免网络数据传输拥塞,从而降低网络中数据传输的延迟。仿真实
针对传统情感分类模型的分类效果不足,无法准确地捕捉词语之间关系的问题,提出一种基于预训练语言模型词向量融合的GE-BiLSTM(Glove-ELMO-BiLSTM)情感分析模型。通过预训练语言模型ELMO以语言模型为目的训练词向量,再与传统的Glove模型的训练结果进行运算融合,结合了全局信息以及局部上下文信息,增加了词向量矩阵的稠密度,词语之间的特征得到更好的表达,结合BiLSTM神经网络可以更
传统模型在锂电池充电剩余时间预测中的泛化能力受到一定约束。针对此问题,提出一种基于独立长短期记忆循环神经网络(IndyLSTM)的锂电池充电剩余时间预测方法。通过对锂电池充电过程数据的分析,利用IndyLSTM在处理序列化数据时可以长期记忆历史数据的优势,对充电剩余时间进行预测。采用美国国家航空航天局(NASA)公开的电池数据,与常规的LSTM和SVR模型进行实验对比,IndyLSTM预测结果在准