① 怎麼學習技術面分析
首先察看動態圖很重要！下面就來講講入門話題的技巧：
一、 大盤即時走勢圖專。通常有兩種顯示屬方法，一種是圖像顯示，一種是數量顯示。
（一） 圖像顯示。
1、 白色曲線。表示證交所對外公布的通常意義下的大盤指數，也就是加權指數。
2、 黃色曲線。是不含加權的大盤指數，也就是不考慮上市股票的盤子的大小，而將所有的股票對上證指數的影響看作相同的。參考白、黃色曲線的位置關系，我們可以得到如下的信息。
（1）、當上證指數上漲時，黃色曲線在白色曲線之上，表示盤小的股票漲幅較大；反之，盤小股票漲幅小於大盤股的漲幅。
（2）、當上證指數下跌時，黃色曲線仍在白色曲線之上，則表示小盤股跌幅小於大盤股的跌幅；反之，盤小的股票跌幅大於大盤股的跌幅。
3、紅綠柱線。在黃白兩條曲線附近，有紅綠柱線，這是用來反映指數上漲或下跌強弱程度的。紅柱線漸漸增長的時候，表示指數上漲的力量漸漸增加；縮短時，上漲力量減弱。綠色柱線增長，表示下跌力量增強；縮短時表示下跌力量減弱。
4、黃色柱線。在曲線圖的下方，它是用來表示每一分鍾的成交量。
5、紅綠矩影框。紅色框越長，表示買氣越強；綠色框越長，表示賣壓越大。
② 學習者特徵分析包括哪些方面
導讀：學習者特徵分析
1. 是什麼？(什麼是學習者特徵？有哪些特徵？)
2. 為什麼？(為什麼要分析？----教學要素、教學影響)
3. 如何做？(分析、獲得----「匹配」依據)
4. 新技術下的特徵有哪些？(或有什麼要求？---學習力)
5. 兩性分析：共性----指導群體教學；差異性----指導個別化教學
6. 分析的主要內容：知識水平、認知水平、能力水平、動機態度、學習方式(習慣)
7. 理念：以人為本，特徵匹配，尊重學生的個性與多樣性，摒棄「標准化」教學。
3.1 學習者起點能力分析
3.1.1 學習者認知能力(水平)特徵分析
1. 價值觀念(僅為個人觀點)
這是個學習者的價值標準的問題。 如：什麼是學習？什麼教學方式好？為什麼師生不能「心有靈犀」？----因為這是(教學)對話的前提，這也正是教師最難以把握的地方，不然，孔子也不會說出：「不憤不啟，不悱不發。舉一隅不以三隅反，則不復也」的感慨。----如何能達到教學的激盪共鳴？
問題：教師如何走進學生的世界？然後如何把他們領出來？(不喝牛奶，就要吃方便麵) generation gap ？繼承發楊？拋棄？多元化？還是缺失？過去的師生關系？
2. 認知發展四階段理論(皮亞傑)
(1)感知運動階段(Apperceive Movement Stage)
(2)前運算階段(Preoperational Stage)(2—7歲)
①集中傾向性(Perceptual Centration):單維度、非守恆；
②不可逆性(Irreversibility)：思維單向性；
③自我中心(autism )：主觀主義---(說不清)(書：ego centrism)
(3)具體運算階段(Concrete Operational Stage)(7-11)
①具有了心理操作能力，但局限於具體事物和過去的經驗；
②抽象能力水平低，具體思維；(數學、物理學習不行)；
③具體—抽象思維過渡時期，不能獨立解決復雜的問題(初中階段)
(4)形式運算階段(Formal Operational Stage)(>11歲)
①假設-演繹思維，根據情境進行思維；
②抽象思維；
③系統思維；
問題：
大學生(一年級)需要有哪些轉變？
心理年齡與生理年齡問題
①思維方式：辯證觀點，兼容性，批判性，系統思考。
②學習方式：自主、研究、規劃、設計
③生活方式：獨立自主的生活習慣
④世界觀：完善。做人，做事(得體？)
大學生智能和情感發展的一般特徵：
大學生在智能發展上呈現出進一步成熟的一系列特徵。他們的思維有了更高的抽象性和理論性，並由抽象邏輯思維逐漸向辯證邏輯思維發展；他們觀察事物的目的性和系統性進一步增強，並能掌握事物本質屬性的細節特徵；思維的組織性、深刻性和批判性有了進一步的發展，獨立性更為加強；注意更為穩定，集中注意的范圍也進一步擴大。
大學生在情感方面已有更明確的價值觀念，社會參與意識很強，深信自己的力量能加速社會的進步與發展；學習動機傾向於信念型；自我調控也已建立在日趨穩定的人格基礎上。
中國教育技術標准中基本要求對照
學生
教師
管理者
教育技術職業人員
Ⅰ
掌握相關技術的基本知識和技能
掌握相關技術的知識和技能
掌握相關技術的知識和技能
掌握相關技術的知識和技能
Ⅱ
運用技術改進學習方法，提高學習效率
運用技術優化教與學的過程
運用技術優化育人環境
運用技術支持教學資源和環境的建設
Ⅲ
運用技術與他人進行合作與交流
運用技術改進教與學的評價
運用技術支持教與學的活動
運用技術支持教學過程的優化
Ⅳ
運用技術創造性地解決實際問題
運用技術提高教與學的績效
運用技術加強管理，提高工作效率
運用技術支持信息化管理
Ⅴ
具有信息意識，懂得與技術相關的社會責任
具有信息意識，遵守與技術相關的社會倫理道德、法律和法規
具有信息意識，遵守與技術相關的社會倫理道德、法律和法規
具有強烈的信息意識，自覺承擔與技術相關的社會責任
高等學校學生教育技術標准
①了解技術發展的前沿，熟悉各種技術設備的使用和功效並能決定所需信息的種類和程度。（Ⅰ、Ⅲ）
②能高效地利用技術獲取所需信息，進行研究性學習，形成自己的見解。（Ⅰ、Ⅱ）
③能高效的利用網路和各種信息源獲取與專業有關的資源，能合理評價所選資源，並能批判性的借鑒和使用，進行創新性研究。（Ⅳ、V）
④能利用各種媒體了解和探討專業目前的研究熱點和發展趨勢，能與他人交流學術見解。（Ⅱ、Ⅲ）
⑤能利用各種媒體（尤其是網路）展示自己的作品，觀點鮮明，善於與他人進行交流；並能積極的使用技術創造性的解決學習和生活中的實際問題。（Ⅲ、Ⅳ）
⑥具有很強的信息意識，能合法地使用技術，懂得在信息技術使用中所產生的經濟、法律和社會問題，並能自覺遵守相關公德和法律。（V）
3.1.2 學習者認知結構特徵分析
1.認知結構和認知結構變數
(1)有意義學習：與認知結構建立非人為的和實質性的聯系。奧蘇貝爾提出，進行有意義學習必須具備的三個前提條件：
① 學習材料本身必須具備邏輯意義；
② 學習者必須具有有意義學習的心向；
③ 學習者的認知結構中必須有同化新知識的原有的適當觀念。
凱恩夫婦指出，學習就是要「創造聯結」----《創造聯結：教學與人腦》，有意義學習的三要素：
① 精心編排的浸潤狀態：真實生活(如認識一個城市)
② 放鬆的警覺：高度挑戰、低威脅
③ 積極加工：知道為什麼這么做
(2)認知結構：知識的數量、質量、組織結構。影響新的有意義學習的發生與保持。
(3)認知結構變數：(分析認知結構的三個特性)
① 可利用性：能否提供認知支持？
② 可分辨性：原有結構是否好？能區分新知識？
③ 穩固性：原有觀念是否穩定？
2.判斷、培養認知結構技術----概念圖
① 評價工具
② 教學工具
③ 學習工具
④ 思維工具
⑤ 策略工具
⑥ 知識顯性化工具
⑦ 知識管理工具
⑧ 交流工具
⑨
認識字母
認識詞
知道詞的不同
辨別動詞
辨別名詞
其它類詞
教學起點
認知結構形成工具
3.1.3 學習者特定的知識和能力基礎特徵分析
知識和能力基礎：是指與新學習相關的知識、能力起點，這就是教學起點，一般通過測試、訪談、觀察獲得。
3.2 學習者的學習動機和學習風格
在學習者特徵中，有些是直接影響認識過程，而有些是間接作用，如態度、動機、學習風格等。
3.2.1 學習者學習態度分析
分析的方面:
① 對學習的整體態度
② 對本教學內容態度
③ 對具體教師的態度
③ 如何有效系統地學習技術分析
一看成交量和換手率，重要指標之一 二看公司基本面，市盈和市凈率。 三看成長性，未來公司是否有持續增長能力。 四看股票是否被低估。給股票一個大至的合理估值區間，在低部就有價值，在頂部價值就不大。 五，學會使用軟體來分析，多讀我看書，報，電視，上網看股評，但只做參考。 最後，學會分析盤口的成交變化，要多看才能看出門道來。
④ 如何理解學習曲線分析方法並對其進行評價
學習曲線learning curve 以橫軸表示反復次數（探索次數）。以縱軸表示各種學習測試的學習過程的曲線。作為學習測試，在用錯誤數、時間、反應潛時等情況下的負加速下降曲線，如果用正反應數或正反應率為縱坐標。則呈S型或負加速的上升曲線。然而這些曲線型。不僅表示學習效果的增減。而且根據測試的特性，多依賴於理論的界限、生理或行為的界限。另外，把直到學習成功所需的反復探索數並不相同的許多個體資料，簡單地取反復探索次數的平均值來表示，則難以表示學習過程的特徵，導致錯誤的結論。所以提出了將學習開始和完成時期劃齊，即用各個體的橫軸或伸或縮，將曲線加合起來的方法。這樣得到的平均曲線稱為奮森曲線（Vincent curve），但幾乎無人使用，不過對從個體所得到的資料還是受重視的。
學習曲線也稱為經驗曲線，是隨著產品累計產量的增加，單位產品的成本會以一定的比例下降。學習曲線(Learning curve)是表示單位產品生產時間與所生產的產品總數量之間的關系的一條曲線。
熟練工程，也稱動態評價技術。他們對縮短工時進行動態評價的技術，廣泛應用於生產領域中。
學習曲線將學習效果數量化繪制於坐標紙上，橫軸代表練習次數（或產量），縱軸代表學習的效果（單位產品所耗時間），這樣繪制出的一條曲線，就是學習曲線。
學習曲線有廣義和狹義之分。狹義的學習曲線又稱為人員學習曲線，它是指直接作業人員個人的學習曲線。廣義的學習曲線也稱為生產進步函數，是指工業某一行業或某一產品在其產品壽命周期的學習曲線，是融合技術進步、管理水平提高等許多人努力的學習曲線。
學習曲線是在飛機製造業中首先發現的，利用數據和資料為企業經營管理工作提供預測和決策依據的一種方法，是引起非線性成本的一個重要原因。美國康乃爾大學的商特博士總結飛機製造經驗而得出了學習曲線規律，認為每當飛機的產量積累增加1倍時，平均單位工時就下降約20%，即下降到產量加倍前的80%。商特則將累積平均工時與產量的函數稱為「學習曲線」。
學習曲線體現了熟能生巧。學習曲線是分析采購成本、實施采購降價的一個重要工具和手段。學習帶來成本的降低，其原因可以歸結為以下因素：
(1)隨著生產經驗的豐富，提高了操作人員的操作速度；
(2)降低報廢率和更正率；
(3)改進了操作程序；
(4)因生產經驗帶來模具設計的改進；
(5)價值工程和價值分析的應用。
⑤ 基於大數據的學習分析技術研究怎麼檢索
大數據分析的使用者有大數據分析專家，同時還有普通用戶，但是他們二者對於大數據分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現大數據特點，同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明了。大數據分析的理論核心就是數據挖掘演算法，各種數據挖掘的演算法基於不同的數據類型和格式才能更加科學的呈現出數據本身具備的特點，也正是因為這些被全世界統計 學家所公認的各種統計方法（可以稱之為真理）才能深入數據內部，挖掘出公認的價值。另外一個方面也是因為有這些數據挖掘的演算法才能更快速的處理大數據，如 果一個演算法得花上好幾年才能得出結論，那大數據的價值也就無從說起了。大數據分析最終要的應用領域之一就是預測性分析，從大數據中挖掘出特點，通過科學的建立模型，之後便可以通過模型帶入新的數據，從而預測未來的數據。非結構化數據的多元化給數據分析帶來新的挑戰，我們需要一套工具系統的去分析，提煉數據。語義引擎需要設計到有足夠的人工智慧以足以從數據中主動地提取信息。5.數據質量和數據管理。 大數據分析離不開數據質量和數據管理，高質量的數據和有效的數據管理，無論是在學術研究還是在商業應用領域，都能夠保證分析結果的真實和有價值。大數據分析的基礎就是以上五個方面，當然更加深入大數據分析的話，還有很多很多更加有特點的、更加深入的、更加專業的大數據分析方法。場地有多寬闊，將實踐行動與研究探索緊密結合的行動研究法：把育人質量擺在辦學第一位的學校才是好學校，每時每刻都在自覺或不自覺地嘗試著教學行動研究，能不能得到百姓的擁護與信賴、學生可持續發展上的教學幹部才是好乾部，它在社會上的反響怎樣，越來越多地受到廣大教育工作者的重視，華東師范大學終身教授葉瀾老師講。中國教育學會副會長，關鍵在於這所學校教學質量的高與低、年復一年：「對自己的教學行動進行反思→意識到教學問題所在→拿出新的教學行動方案→再嘗試教學行動」，而不在於學校大樓有多雄偉，還是教學質量的競爭，說到底，作為學校，進而提高教學行動研究質量的前提與保證學校之間的競爭。以教學中存在的實際問題為課題，「教學行動反思」一環起著極其重要的作用，明確今後行動研究方向，日復一日。其實。在這個循環往復的行動研究過程中。它是發現並提出問題，規模有多大；把主要精力放在教學質量。學校辦得如何統計學方法在大數據分析中是有用的，統計學是通過搜索、整理、分析數據等手段，以達到推斷所測對象的本質，甚至預測對象未來的一門綜合性科學。其中用到了大量的數學及其它學科的專業知識，它的使用范圍幾乎覆蓋了社會科學和自然科學的各個領域。大數據只是數據量大，不代表我們能觀測到總體。有的時候，總體是可測的。但在更多時候，總體從理論上就是無法觀測的。這時統計學就是必須的，它幫我們從數據里還原出數據背後的真實，如同感官將顯象背後的物自體呈現給人類理性。隨著數據挖掘技術的發展，數據的獲取自然會越來越容易，但統計學作為從數據中讀取信息的科學，應該永遠和獲取數據的學問相伴相生。
⑥ 從學習方面分析人工智慧有哪些運用
機器什麼時候能像人一樣思考、工作和學習？這是科技界研究了數十年的難題。這兩年，隨著蘋果siri、微軟小冰等應用的上線，人工智慧離我們的生活越來越近。昨天，圍繞人工智慧相關話題，記者專訪了微軟亞洲研究院副院長芮勇博士。
微軟的人工智慧方向：高大上
記者：目前微軟在人工智慧方面做了哪些事？
芮勇：感知技術、智能分析學習技術以及大數據技術的發展，讓人工智慧有了飛躍式的發展。微軟股票去年上漲了30%，其中一個很重要的原因就是大力開發人工智慧產品和服務。我們的理念是「Do More、Know More、Be More」，我有個非官方個人翻譯，叫做高大上，就是高效率、大智慧、上品位。
微軟最近推出了「小娜」「小冰」軟體應用。小娜像是私人秘書，給你安排行程、協調時間，告訴你交通情況，給你提供可行性方案。小冰像一個朋友，像真人一樣和你聊天。微博上有用戶說，和小冰聊著聊著甚至會產生感情。小娜小冰的人工智慧，來自於機器學習，計算機在經過幾千萬次的學習之後，將會有自己的智慧。
大智慧則更加側重於智能交通、智慧城市的建設。比如，我們推出了北京、上海等城市的細粒度空氣質量地圖，綜合實時數據、交通狀況、人員流動等諸多因素，可以實時顯示每平方公里上的空氣質量數據，甚至可以預測未來一段時間內某一區域的空氣質量狀況。
上品位就更有意思了。微軟亞洲研究院最近研發了一項技術，通過一張二維的發型圖片，在上面順著頭發的走勢畫上兩筆，就可以做出非常逼真的頭發三維模型，頭發的走向、紋理都清清楚楚。這個技術看似不起眼，但用處還不少，可以在動畫、電影中任意更換人物的發型，還可以放在理發店裡，讓人們提前挑選自己想要的發型。
從功能到智能，還有很長一段路
⑦ 想學技術分析，看什麼書好
一般技術類的學校專業有很多，首先你要確定你想學什麼專業，然後根據你選專的專業去找專業的學校。如今屬互聯網行業飛躍發展，互聯網技術日新月異，就當前就業形勢來說 IT行業是適合目前社會趨勢的，社會也需要大量的 IT技術型人才，各行各業也需要，所以就業廣泛。學互聯網的優勢有：
1、電腦行業需求量大，工作很好找，而且工作環境也不錯。
2、電腦行業的工作與社會接觸都比較緊密，緊跟潮流，所以見識和思想都會比較開放，也有利於以後自己發展。
3、學習電腦入手比較快，學習難度不是很大。
4、現在有些學校有一些技能加學歷的政策 ,不過主要看你自己的選擇，上大學雖說聽起來好，但是很多大學生都是畢業即失業的，還不如趁早學習門技術，畢業就可以工作，選對了好的行業，以後的發展空也會很大的。可以去學習計算機網路，現在學網路就是不錯的選擇。
⑧ 如何學習數據分析
首先我說說這兩種方向共同需要的技術面，當然以下只是按照數據分析入門的標准來寫：
1. SQL（資料庫），我們都知道數據分析師每天都會處理海量的數據，這些數據來源於資料庫，那麼怎麼從資料庫取數據？如何建立兩表、三表之間的關系？怎麼取到自己想要的特定的數據？等等這些數據選擇問題就是你首要考慮的問題，而這些問題都是通過SQL解決的，所以SQL是數據分析的最基礎的技能，零基礎學習SQL可以閱讀這里：SQL教程_w3cschool
2. 統計學基礎，數據分析的前提要對數據有感知，數據如何收集？數據整體分布是怎樣的？如果有時間維度的話隨著時間的變化是怎樣的？數據的平均值是什麼？數據的最大值最小值指什麼？數據相關與回歸、時間序列分析和預測等等，這些在網易公開課上倒是有不錯的教程：哈里斯堡社區大學公開課：統計學入門_全24集_網易公開課
3.Python或者R的基礎，這一點是必備項也是加分項，在數據挖掘方向是必備項，語言相比較工具更加靈活也更加實用。至於學習資料：R語言我不太清楚，Python方向可以在廖雪峰廖老師的博客里看Python教程，面向零基礎。
再說說兩者有區別的技能樹：
1.數據挖掘向
我先打個前哨，想要在一兩個月內快速成為數據挖掘向的數據分析師基本不可能，做數據挖掘必須要底子深基礎牢，編程語言基礎、演算法、數據結構、統計學知識樣樣不能少，而這些不是你自習一兩個月就能完全掌握的。
所以想做數據挖掘方向的，一定要花時間把軟體工程專業學習的計算機基礎課程看完，這些課程包括：數據結構、演算法，可以在這里一探究竟：如何學習數據結構？
在此之後你可以動手用Python去嘗試實現數據挖掘的十八大演算法：數據挖掘18大演算法實現以及其他相關經典DM演算法
2.產品經理向
產品經理向需要你對業務感知能力強，對數據十分敏感，掌握常用的一些業務分析模型套路，企業經常招聘的崗位是：商業分析、數據運營、用戶研究、策略分析等等。這方面的學習書籍就很多，看得越多掌握的方法越多，我說幾本我看過的或者很多人推薦的書籍：《增長黑客》、《網站分析實戰》、《精益數據分析》、《深入淺出數據分析》、《啤酒與尿布》、《數據之魅》、《Storytelling with Data》
⑨ 為什麼要學習技術分析
為什麼要學習技術分析？
交易，肯定要對所交易的標的進行分析，最常見的就是基本因素與圖表技術分析。二者各有優勢，尤如刀與劍。
交易，肯定要對所交易的標的進行分析，最常見的就是基本因素與圖表技術分析。二者各有優勢，尤如刀與劍。
散戶對基本因素有先天的缺陷，就是知識不夠專，也不夠全，信息渠道窄。對技術分析就不同了，技術分析人士可以輕易跟蹤許多渴望跟蹤的市場，只對品種圖表分析，市場波動情況一目瞭然。技術分析這種優勢是不容忽視的，基本分析人士這點就不易做到，因為基本因素分析要掌握並處理大量數據(各個市場各個品種)，所以大多數基本分析人士往往趨向專攻某個市場。
技術分析的一個強項是它適用於任何金融交易市場與時間段。無論股票交易、還是期貨、還是外匯黃金，只要有圖表記錄，這些技術分析原理就沒有用不上的地方。各個市場時而活躍，時而平靜，時而趨勢明顯，時而走勢膠著。技術分析人士可以集中注意力和資源專攻顯Lu出強勢的市場，利用各個市場風水輪流轉的本性，能夠讓自己資金高速運轉而獲利。 技術分析人士就會覺得這種日子很好過了。
技術分析另一強項就是「綜觀全局」，通過跟蹤所有的市場，對市場的總體狀況有極佳的感覺，因此避免了只跟蹤一個市場(甚至只是某個品種)可能導致的「井蛙之見」。而且，由於許多市場之間存在著內在的經濟聯系並對類似的經濟因素做出反應，故此一個市場或一群市場中的價格行為或許給另一個市場或一群市場的未來走向提供了線索。
技術分析是先建立數學模型，再通過歷史數據進行統計，從統計結果中找到一些規律。對於圖表技術交易者來說，這其實是在k線圖裡面找概率，在各種指標中找概率，把概率高的事件提取出來，將其視為市場習慣，以後就按市場習慣作為自己交易的依據。那些善於分析的人總能從圖表中找出一些特徵，藉此來幫助自己判斷價格趨勢的方向是改變還是繼續。每一個人的慾望傾向不同，習慣使用分析周期也不同，所以每一個人的交易方式也都不同，這並不重要，重要的是要符合自己的風格，符合自己心理。不管如何，不要把把技術分析當成100%預測價格會波動到某個具體位置的武器，因為如果有這樣能准確預測市場的技術，哪怕他只有1萬元也足以摧毀這個市場了。
⑩ 學習方法—總體分析
要安排一個簡單可行的計劃, 改善學習方法.同時也要適當參加學校的活動,全面發展.
在學習過程中,一定要:多聽(聽課),多記(記重要的範文,記概念,記公式),多看(看書),多做(做作業),多問(不懂就問),多動手(做實驗),多復習,多總結.用記課堂筆記的方法集中上課注意力. 英語多看重要課文,熟悉詞彙及用法.
其他時間中,一定要保證學習時間,保證各科的學習質量,不能偏科.
每天要保證足夠的睡眠,保證學習效率.
安排適當的自由時間用於與家人和朋友的交往及其他活動.
通過不懈的努力,使成績一步一步的提高和穩固.對考試盡力, 考試時一定要心細,最後沖刺時,一定要平常心.考試結束後要認真總結,以便於以後更好的學習.
一、提高聽課的效率是關鍵。
學習期間，聽課的效率如何，決定著學習的效果，提高聽課效率應注意以下幾個方面：
1、課前預習能提高聽課的針對性。
預習中發現的問題，就是聽課的重點；對預習中遇到的沒有掌握好的有關的舊知識，可進行補缺，以減少聽課過程中的困難，有助於提高思維能力；預習還可以培養自己的自學能力。
2、聽課要全神貫注。
全神貫注就是全身心地投入課堂學習，耳到、眼到、心到、口到、手到。
耳到：就是專心聽講，聽老師如何講課，如何分析，如何歸納總結。
眼到：就是在聽講的同時看課本和板書，看老師講課的表情，手勢和演示實驗的動作。
心到：就是用心思考，與老師的教學思路保持一致。
口到：就是主動回答問題或參加討論。
手到：就是在聽、看、想、說的基礎上記下講課的要點以及自己的感受。
3、作好筆記，筆記不是記錄而是將上述聽課中的要點等作出簡單扼要的記錄，以便復習。
了解自己的學習方式會使你更容易找到適合自己的學習方法。但我們不能盲目的跟隨他人的學習方式，一定要找到屬於自己的學習方式。同時成為學習的管理者。
1． 明確學習目標：
每個人都有自己的學習目標，而學習計劃則是實現學習目標的藍圖。古人雲
「凡事預則立，不預則廢。」
2．成為學習的管理者：
第一：學會自主學習
作為中學生，應學會逐步擺脫對父母和老師的依賴，成為一個管理學習者。就要在學習上能自律，自覺的學習。比如記好筆記，就是自主學習開始。（補充知識：筆記要注意格式、內容，注意以下方面：記錄、簡化、背誦、思考、復習環節。）
第二：提高學習效率
討論： 造成學習效率低的原因？（如做事拖拉，無計劃，學習習慣不好等）
學習的過程包括很多環節，學習的效率就蘊涵在各個學習環節中，只有把握好每個環節的質量，如課前認真預習，上課專心聽講，課後及時復習，才能從整體上提高學習效率。
第三：科學安排時間
隨著中學學習科目的增多，難度增加，科學的安排時間十分重要。首先要對自己的學習有一個總體上的規劃，制定一個適合自己的學習計劃。制定學習計劃時注意要遵循以下原則：彈性原則、自然原則、增強原則。
3. 具有克服困難的勇氣和堅持到底的精神。
我們剛才一直在談論關於在校學習的問題。其實學習對我們來說不僅包括通過在校的途徑獲取知識，還應包括從其他途徑掌握知識。我們也要學會一些常用的獲得知識的辦法。
活動：在很多時候我們還有自學一些我們感興趣或者需要研究的東西，這需要掌握哪些好方法呢？
1. 學會運用各種手段搜集資料：
圖書館：會檢索書目，用計算機查閱書籍借還情況
上網：用搜索網站查尋所找的資料或信息（圖片），輸入關鍵詞，利用互聯網建立班級論壇，如建立QQ群等。
2. 學會整理資料，提煉觀點。
老師總結：今天我們一起討論了關於學習的一些話題，從中你是否有些收獲
呢？在人生的道路是，初中生活是最美好難忘的，讓我們一起珍惜初中的學習生活，以積極樂觀的態度面對每一天，為我們的未來礎
大家覺得內容好的話，幫忙介紹給其他人，幫助每個同學解決煩惱，提高成績，一起合作復好資料，介紹給大家，
一起引用.
淚光