继续教育培训内容包括_继续教育学分有必要存在吗
继续教育培训内容包括，继续教育学分有必要存在吗？
我印象中继续教育应该开始于上世纪八十年代末，应该是错误理解联合国教科文组织所写的Learn to being（汉译巜学会生存》）中关于终身学习的主张而弄出来的一种教育形式。实际上，在那本书中，作者是想表达：当媒体传播方式已经改变了的情况下，教育如何适应这种变化而改变自身。新媒体打破了学校的围墙，使得传统的以学校为组织形式的教育变得更加大众化和开放化，个人在接受教育上也变得更加持久和终身化。包括政策制定和学校课程与教学都应该适应这种变化而加以改变。但很不幸，我们似乎误解了这一点，反而强化了学校的重要性，把终身教育变得成了一种类学历教育。
大数据主要学习哪些内容？
要从事计算机行业的工作，不管是什么工作，开发、测试、还是算法等，都是要有一门自己比较熟练的编程语言，编程语言可以是C语言、Java、C++等，只要是和你后续工作所相关的就能（后续用到其他语言的话，你有一门语言基础了，学起来就快了）。一般初学者入门语言大多都会选择Java、C语言、C++或者Python，而且现在网上有很多好的视频，可以供初学者学习使用。关于学习视频或者资料的选择，知乎或者百度等都有很多讲解了，也可以跟师兄师姐咨询，这样可以少走很多弯路，当然，有人说，走一些弯路总是有好处的，但是我这里说的弯路不是说不犯错误，不调bug，而是指学习资料以及一些知识点的偏重点，这样可以尽量节约一部分时间，刚开始时，总会有点迷，而且当你真正投入进去学习时，会发现时间总是不够用。
我前面是做的Java后端，后续才转的大数据，所以一些Java开发所需要的东西自己也有学习过，也都是按照正常的路线走的，JavaSE阶段，然后数据库，SSM框架，接着做了一些网上找的项目，之后发现对大数据比较感兴趣，就开始找大数据相关的资料学习，看视频，看博客，敲代码，前期大概花了3-4个月吧（公众号的这些资料就是我当时看过的），也是一步步艰难走过来的，刚刚开始接触大数据相关的东西时，一度怀疑这么多东西自己能否学得完，是不是能用得到，学完又忘了，忘了又回头看，不过还好，坚持过来了，还好没有放弃，工作也还ok，找的大数据开发岗，待遇也还不错吧。
下面就说一下我自己从Java开发到大数据开发的曲折学习之路（狗头保命.jpg）。因为我现在是做大数据相关的工作了，所以Java后端涉及到的一些SSM框架等知识点我就不介绍了，毕竟后续一段时间也没有做了。自己看过的大数据学习相关的视频+资料大概是200G-300G吧，从Linux->Hadoop->。。。->Spark->项目，还有就是一些面试文档，面经等。一些视频看了两遍或者更多，跟着学，跟着敲代码，做项目，准备面试。涉及到需要学习的东西包括：JavaSE，数据结构与算法（计算机行业必备），MySQL，Redis，ES（数据库这些可以看项目，也可以自己熟练一两个），Linux，Shell（这个可以后期补），Hadoop，Zookeeper，Hive，Flume，Kafka，HBase，Scala（Spark是Scala写的，会Scala做相关的项目会更容易入手），Spark，Flink（这个是找工作时有面试官问过几次liao不liao解，所以找完工作才开始接触学习），相关项目。
编程语言阶段学习
如果是零基础的话，建议还是从视频开始入门比较好，毕竟一上来就看教材，这样有些代码的来龙去脉可能不是很了解。如果是有一些编程语言基础的话，从视频开始也会更简单，一些for、while循环你都知道了，学起来也会快很多。 JavaSE我是选择的某马刘意的为主，因为刚刚开始学Java看过一本从《Java从入门到精通》，没什么感觉，后续又在看了某课网的Java初级视频，还是没感觉出来啥（当时就有点怀疑自己了。。。），可能有点没进入状态。 还好后续找了某马刘意老师的JavaSE视频（我是看的2015年版本，那时候19版还没出），觉得他讲的真的是很好很详细，每个知识点都会有例子，也都会带你敲代码，做测试，可能前面有C语言基础，然后也看过Java的一些语法，所以学起来还是比较顺利，后面的IO流、多线程等知识点时，也有看书看博客，或者看看其他老师的课程，讲解的可能自己比较容易接受就能，反正都是多尝试（下面会给出视频链接），尽量懂一些，后续可以回头来复习。JavaSE相关的视频，先看一遍，后续有时间建议再看一遍，而且这些经典的视频，看两遍真的是享受。 如果有一定基础了的，JavaSE前面七八天的视频可以加速看，但是不懂的一定要停下开仔细想想，零基础的还是尽量不要加速吧，慢慢来稳些。后面的视频建议还是跟着视频来，尽量不要加速，代码尽量都敲一敲，第一遍基本上一个月到一个半月可以结束。 JavaSE能够说是很基础也很关键的东西，主要重点包括面向对象、集合（List、Map等），IO流，String/StringBuilder/StringBuffer、反射、多线程，这些最好是都要熟悉一些，面试也是重点。 JavaSE之后，如果你是要走前端或后端开发路线的话，可以跟着一些网上的视频继续学习，这里我就不多做介绍了。
===========分割线，Scala可以后续Spark阶段再接触学习=============
Scala的学习，Scala是一门多范式 (multi-paradigm) 的编程语言，Scala支持面向对象和函数式编程，最主要的是后续Spark的内容需要用到Scala，所以前面学习了JavaSE，到Spark学习之前，再把Scala学习一波，美滋滋，而且Scala可以和Java进行无缝对接，混合使用，更是爽歪歪。后续Spark学习时基本都是用的Scala，也可能是和Java结合使用，所以Spark之前建议还是先学一波Scala，而且Scala用起来真是很舒服（wordcount一行代码搞定），适合迭代式计算，对数据处理有很大帮助，不过Scala看代码很容易看懂，但是学起来还是挺难的，比如样例类（case class）用起来真是nice，但是隐式转换学起来就相对比较难。学习Scala的建议：1. 学习scala 特有的语法，2. 搞清楚scala和java区别，3. 了解如何规范的使用scala。Scala对学习Spark是很关键的（后面Flink也是要用），虽然现在很多公司还是用Java开发比较多，而且Spark是Scala写的，如果要读源码，会Scala还是很关键的（至少要看得懂代码）。 Scala主要重点包括：隐式转换和隐式参数、模式匹配、函数式编程。这里我看的是某硅谷韩老师的Scala视频，韩老师讲的真的很不错，五星推荐，哈哈。 也许有人会觉得Python也是需要的，但是学习阶段，可能用Java还是比较多，面试也基本都是问Java相关的内容，所以Python后续工作会用到的话，再看看Python的内容吧。
大数据框架阶段学习
大数据这方面的知识点自己能够说真的是从零开始的，刚刚开始学那会Linux基本都没用过，心里那个虚啊，而且时间也紧迫，想起来都是一把辛酸泪。 刚刚开始学的时候，看了厦门大学林子雨的《 大数据技术原理与应用》课程，可能这个课程是面对上课的，所以看了一些，感觉对自己帮助不是很大（并不是说课程不好，可能不太适合自己，如果是要了解理论知识，很透彻，但是俺时间紧迫啊），所以就继续在网上找视频，然后发现某硅谷的培训视频很多人去参加，而且知识点也很齐全，大数据相关组件都有讲课，还有一些项目比较好，所以就找了它相关的视频，当时看的是2018年的，所以视频不算旧。 来一张推荐系统架构的图，先看看
通常来说，Flume+Kafka对数据进行采集聚合传输，一方面Spark对实时数据进行处理，传输给相应的数据处理模块（比如实时数据处理的算法模块，Spark也有提供常见的机器学习算法的程序库），另外一方面采集的数据也可以放入数据库（HBase、MongoDB等）中，后续MapReduce对离线数据进行离线处理，数据处理完毕用于后续的使用，数据采集处理的流程大概就是这样。如果是推荐系统，实时推荐会给用户产生实时的推荐结果，让用户进行查阅选择，比如你在界面浏览了或者看了新的物品，然后刷新下界面，可能给你展示的东西就有一些变成跟你刚刚浏览的相关了。离线推荐的话主要是对离线数据进行处理，为物品或种类做出相似的推荐，如果后续用户搜索相应的物品时，给用户展示相应的产品。
大数据学习路线：Linux -> Hadoop -> Zookeeper -> Hive -> Flume -> Kafka -> HBase -> Scala -> Spark -> 项目 - > Flink（ 如果需要学习Storm，在Spark前面学习）
一、Linux（基本操作）
一般我们使用的都是虚拟机来进行操作，所以要安装VM（ Virtual Machine），我使用的是CentOS，所以VM和CentOS都要跟着安装好，跟着视频操作，一定要动手实践，将一些Linux基本命令熟练掌握，一些VIM编辑器的命令也要会用，做相应的一些配置，使用SecureCRT来做远程登录操作（也可以使用其他的，自己顺手就行）。再着重一遍，基本操作命令尽量熟练一点，如果一下记不住，打印一些常用的，自己看看，多用多实践，慢慢就会用了。还有一些软件包的下载安装卸载等，跟着操作一遍，熟悉下，后续都会使用，Shell编程可以后续补。
二、Hadoop（重点中的重点）
Hadoop是一个分布式系统基础框架，用于主要解决海量数据的存储和海量数据的分析计算问题，也能够说Hadoop是后续整个集群环境的基础，很多框架的使用都是会依赖于Hadoop。主要是由HDFS、MapReduce、YARN组成。这个部分安装Hadoop，Hadoop的三个主要组成部分是重点，对他们的概念要理解出来，知道他们是做什么的，搭建集群环境，伪分布式模式和完全分布式模式的搭建，关键的是完全分布式的搭建，这些部分一定要自己动手实践，自己搭建集群，仔细仔细再仔细，Hadoop的NameNode，DataNode，YARN的启动关闭命令一定要知道，以及他们的启动关闭顺序要记住，不要搞混。后续视频会有一些案例操作，跟着写代码，做测试，把基本环境都配置好，后续这个集群（完全分布式需要三台虚拟机）要一直使用。
三、Zookeeper
Zookeeper是一个开源的分布式的，为分布式应用提供协调服务的Apache项目。分布式安装ZK，对ZK有一定的了解就能了，了解它的应用场景，以及内部原理，跟着做一些操作，基本上有一些了解即可。
四、Hive（重点）
Hive是基于Hadoop的数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。Hive的安装，它的数据类型，以及它的数据定义、数据操作有较好的了解，怎么操作表（创建表、删除表，创建什么类型的表，他们有什么不同），怎么操作数据（加载数据，下载数据，对不同的表进行数据操作），对数据的查询一定要进行实践操作，以及对压缩方式和存储格式要有一些了解，用到时不懂也可以去查，最好是能理解清楚。这部分有什么面试可能会问，所以视频后续的面试讲解可以看看，理解清楚。
五、Flume
Flume是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统。对于Flume，对它的组成架构，以及对Flume Agent的内部原理要理解清楚，Source、Channel、Sink一定要知道它们的各种类型以及作用，有哪些拓扑结构是常见常用的，例如一对一，单Source、多Channel、多Sink等，它们有什么作用，要理解清楚。还有一个重点，就是对Flume的配置文件一定要了解清楚，不懂的可以上官网查看案例，对于不同的情况，它的配置文件要做相应的修改，才能对数据进行采集处理，视频中的实践案例一定要跟着做。
六、Kafka（重点）
Kafka是一个分布式消息队列，用来缓存数据的。比如说实时计算中可以通过Flume+Kafka对数据进行采集处理之后，Spark Streaming再使用Kafka相应的Topic中的数据，用于后续的计算使用。对于Kafka，要理解Kafka的架构，什么是Kafka，为什么需要Kafka，应用场景。基础的命令行操作要掌握，比如怎么创建删除Topic，怎么通过生产者生成数据，消费者怎么消费数据等基本操作，官网也是有一些案例可以查阅的。
七、HBase（重点）
HBase是一个分布式的、基于列存储的开源数据库。HBase适合存储PB级别的海量数据，也能够说HBase是很适合大数据的存储的，它是基于列式存储数据的，列族下面可以有非常多的列，列族在创建表的时候就必须指定。所以对HBase的数据结构要有一定的理解，特别是RowKey的设计部分（因为面试被问到过，咳咳，所以点一下），对于它的原理要了解，一些基本操作也要都会，比如创建表，对表的操作，基础的API使用等。
八、Spark（重点中的重点）
Spark是快速、易用、通用的大数据分析引擎。一说到Spark，就有一种哪哪都是重点感觉，哈哈。 Spark的组成可以看下图
Spark是基于内存计算的，对于数据的处理速度要比MapReduce快很多很多，而且数据挖掘这些都是要对数据做迭代式计算，MapReduce对数据的处理方式也不适合，而Spark是可以进行迭代式计算，很适合数据挖掘等场景。Spark的Spark SQL能够对结构化数据进行处理，Spark SQL的DataFrame或DataSet可以作为分布式SQL查询引擎的作用，可以直接使用Hive上的表，对数据进行处理。Spark Streaming主要用于对应用场景中的实时流数据进行处理，支持多种数据源，DStream是Spark Streaming的基础抽象，由一系列RDD组成，每个RDD中存放着一定时间段的数据，再对数据进行处理，而且是基于内存计算，速度快，所以很适合实时数据的处理。Spark MLlib提供常见的机器学习(ML)功能的程序库。包括分类、回归、聚类、协同过滤等，还提供了模型评估、数据 导入等额外的支持功能。对Spark的核心组件、部署模式（主要是Standalone模式和YARN模式）、通讯架构、任务调度要有一定了解（面试问到了能够说一波），Spark Shuffle要好好理解，还有内存管理要知道，对Spark的内核原理一定要好好理解，不仅面试可能要用，以后工作也是有帮助的。
九、Flink（重点中的重点）
Flink是一个框架和分布式处理引擎，用于对无界（有开始无结束）和有界（有开始有结束）数据流进行有状态计算。现在主要是阿里系公司使用的比较多，很多公司使用的还是Spark居多，而且Flink基本上都是和Spark很多功能大体上一样的，但是以后Flink和Spark孰强孰弱还有待时间的考验，不过Flink近几年越来越火了这是事实，所以如果有时间有精力的话，可以学一学Flink相关的内容也是很不错的。Spark和Flink主要都是在数据处理方面应用，在数据处理方面的话，离线数据处理：Flink暂时比不上Spark，Spark SQL优点在于可以和Hive进行无缝连接，Spark SQL可以直接使用Hive中的表；Flink暂时做不到这一步，因为官方不支持这一操作，Flink只能将数据读取成自己的表，不能直接使用Hive中的表。对于实时数据的处理：Flink和Spark能够说是平分秋色吧，而且Flink是以事件为驱动对数据进行处理，而Spark是以时间为驱动对数据进行处理，在一些应用场景中，也许Flink的效果比Spark的效果还要好些，因为Flink对数据更加的敏感。比如一秒钟如果触发了成千上万个事件，那么时间驱动型就很难对数据做细致的计算，而事件驱动型可以以事件为单位，一个个事件进行处理，相比而言延迟更低，处理效果更好。现在使用Flink的公司越来越多，有时间学习下，也算是有个准备。
项目阶段
其实某硅谷的视频里面有很多大数据相关的项目，而且都是文档配代码的，B站上也有视频，学习期间可以跟着视频做两到三个项目，自己理清思路，把项目理解透彻，还是可以学到很多东西的。 根据自己情况，选择两到三个项目重点跟着做，理解透彻一点
大数据项目实战
某硅谷的视频里面有很多大数据相关的项目，而且都是文档配代码的，学习期间可以跟着视频做两到三个项目，自己理清思路，把项目理解透彻，还是可以学到很多东西的。根据自己情况，选择两到三个项目重点跟着做，理解透彻一点。相关项目文档资料我已经放到网盘，GongZhongHao回复相应关键字获取领取方式。 相关项目、涉及技术框架及其B站链接（B站链接主要是为了有些小伙伴网盘速度限制，这样就下载文档资料即可）
书籍
书籍部分直接云盘链接保存即可，这里我放两张Java开发和大数据开发我自己的书单（很多，路漫漫，吾将上下而求索~） Java后端书架：
大数据书架：
大概就这些，看完就需要很久了，大部分我也是需要的时候看相应的部分，所以有时间可以好好看下，不然就需要哪一部分看哪一部分，有助于学习即可。
最后
大数据开发也是需要编程基础的，并不是学会使用这些框架怎么样就能了，所以对于编程语言，数据结构与算法，计算机网络这些基础也是要的，这些基础知识也有助于自己以后的发展，如果是应届生校招的话，面试基本上都是JavaSE和数据结构与算法等的知识点，还有大数据组件相关的知识点，以及对项目的理解，这些都是要自己面试前准备好的，多看面经，多找面试题看，面几次，心里有谱了，后续面试就好了。 不管是从事什么样的计算机相关的岗位，编程都是很关键的，数据结构与算法特别重要，还有就是leetcode等编程网站刷题，提升自己的编程思维，后续笔试面试都要要的。 要将一行行代码看做一叠叠rmb，但是一行行代码能不能转换成一叠叠rmb，自己就一定要：坚持，多敲代码；多敲代码，坚持；坚持。
成考和自考属于继续教育吗？
自考与其它考试的差别
自考没有考前学历的要求，是宽进严出，以自学为主，参加国家安排的统一考试，获得专科本科学历，自考学历国家承认，全国通用，许多的欧美国家也承认中国的自考学历。目前，各种各样的获取学历途径令人眼花缭乱:成考、自考、学历文凭考、电大、远程教育…… 到底何种考试才最适合自己呢，这是每个求学者都迫切需要了解的问题。只有彻底了解他们之间的不同之处，才能使自己在各种考试间游刃有余.
成考、自考及学历文凭考试的区别
a、 办学主体不同: 各大学都有相应的成人教育学院或继续教育学院，所以成教的办学主体一般为国家，但目前也有一些成教是社会力量办学的。自考的办学主体一般为个人或民间机构，也有一些是由各大学办的，但一般都是打着大学的旗号而已。学历文凭考试的办学主体是个人或民间机构 b、 招生对象不同: 我国成人教育的招生对象主要是在岗人员及待业者、已经离开正规学校的人员和已经接受过高等教育的专业技术人员和管理人员，从中可看出是名副其实的成人教育。不过目前也有些松动，越来越多的高中毕业生加入到成教的大军中来。自考的情况与成考类似。学历文凭考试则不同，他是民办高等教育的一种，主要招生对象为刚从中等学校毕业出来的想接受高等教育的学生。
c、 文凭不同: 成考的文凭是各大学的成教学院发的，你考上了哪个大学的成教，毕业时就会盖有哪个大学的章;自考的文凭上盖有两个章，一个是主考院校的章，另一个是当地自考委的章。学历文凭考试严格的来说是自考的一种，与自考不大一样的是其毕业证由授课学校自己发，而不是由主考院校和自考委联合盖章。另外，自考与成考均有本科，达到条件者国家也可授予学士学位，而学历文凭考试目前只有大专。
d、 考试方式、难度不同: 成考入学叫严进宽出，学生只有通过国家统一的成人高考考试，才能入学就读。就像高考一样，也要填志愿。但只要你考上了，通常来说毕业都不会太困难(这与普通高考很相似);自考和学历文凭考试入学叫宽进严出，学员入学时不需要通过考试，直接就可入学，但要是你想得到国家承认的毕业证，就得一门一门的通过国家的考试。所不同的是，自考是全都是由国家出题考试，难度最大，学历文凭考试由国家考三分之一，当地教育主管部门考三分之一，学校自己考三分之一。所以来说，这三种考试，自考最难，成考学历文凭考试最容易。
怎么提升学习的成绩？
学习好坏取决于三点智商，决心，方法。如果小孩感受过坐飞机商务舱，2个亿的别墅，四个亿的私人飞机，坐过高铁，绿皮火车，中巴车，他可能会理解学习才或许上游。这是决心的事情，反正一天都要学习10来个小时，认真不认真都是这个时间不如认真学。
最关键的是方法了，从道理上讲很多方法已经不适合上高中的学生了，太晚了。比如从小看英文电影学好英语听说读写，从小大量阅读提升综合能力。就说写短期可以实现的方法吧。
1.知道大脑记忆遗忘规律，重复学习，用最有效的方法学，下面图片有。
2.学习必须提前学，看看乐乐课堂的数学物理化学，必须提前一年学，三分钟一节课，深入浅出，作为预习和理解记忆非常有好处
3.学习思维导图，把所有书本目录画成思维导图，整理成一句话并记下来
4.学习图像，逻辑，联想记忆法。先学汉字起源，造字法，很快的，三个小时就能了。学习数字编码联想，协助记忆年代数字有奇效。学习图像联想记忆，记忆效率提升三倍
5.分专题学习，作文，改错题，完形填空等等等。看了题目立刻看答案，答案看多了，各种题目的套路都摸清楚了，自然考高分。
6.英语学习，学习26个字母起源，单词造字法，字根前后缀，作文听力，英语就学好了，每周一个英文电影，休息中学好英语。
7l.看学而思的教学视频，李永乐的物理数学视频，只要有决心，看这些视频效果比线下99%的老师讲得好。
8.劳逸结合，目标远大，不计较短期分数高低。
9。学起来废寝忘食，心无旁骛。
如何更直接有效的提升自己？
回答这个问题就从我自身的一些体会说起吧。
一、在课堂中磨练教学业务水平。
（1）认真备课。新老师，初登讲台，从课堂驾驭能力和教学业务水平都一定的青涩。提升自己最快的方法就是课上多磨练。课堂就是最好的阵地。从第一次上课的紧张和慌乱，不知道说啥到从容面对侃侃而谈，中间的距离就是课堂实践。认真上好每一节课，背后要做的工作就是在课备环节，不马虎，不糊弄。记得我到曲阳燕赵中学实习，担任高一的政治老师，为了准备好第一节课，我查资料，连课堂上要讲的例子都提前找好。然后把课堂上要说的每一句话，都写了下来，也就是我的教案是特别详细且具体的。这还不够，我把自己课堂上要说的话都背了下来。我记得自己在那个大操场上一遍一遍的边走边背，所以在课堂上，大受学生欢迎，后来，甚至有隔壁班的学生都到我的班来蹭课了。我没有其他人聪明，就会用这个笨办法，但事实证明，当你课上准备的越详细，你在课上才能游刃有余。当然，随着我们课本知识的熟悉，教学经验的丰富，是不用每堂课都要如此背诵的。
（2）、积极听课，向老教师学习。作为新教师，提升自己的另一个有效方法就是多听老教师的课。向他人学习，所谓在交流中进步成长。每个老师上课都有自己得优点，对考点的把握，都有一定的经验，作为新教师，缺乏对考纲的深切理解，缺乏对教材的适当取舍，特别是当自己对某个知识点，某个章节不知如何处理时，最便捷的方法就是听听优秀老教师的课。会让自己省很大得劲。有的学校为了快速青年教师的快速成长，实行“师徒结对工程”也就是新老师要选取一位经验丰富的老教师，拜为师父。就是鼓励徒弟听师父的课，向老教师学习。
（3）走出校门，开拓视野，参加赛课活动。在本校内听课，是一种学习方法。但平台不同，教学水平也是总体有差距的。新教师，要抓住机会，走出校门，多参加一些公开课，优质课，研讨课的教学赛事活动。这是提升自己教学水平的一个重要途径。从我自己来说，就是从各种赛课活动中，不断成长和提升自己的教学业务水平。记得自己第一次准备的公开课，是参加全县的教师综合素质大赛，我一遍又一遍的模拟演练，在这个过程中，自己逐渐加深了对课本知识的深层次理解，在设计活动，拓展教材方面，有了底气。后来去市里参加做课比赛，在和保定市二十四个县的同行代表在比赛中交流切磋，别的兄弟学校的同行先进教学理念，灵活的教学活动设计，成为了我此行最大的收获。至今，我仍记得，市里一个老师她设计了一个人物小丽，以小丽为教学线索，贯穿整个教学过程，他山之石，可以攻玉，我后来在自己的教学实践中，在设计《树立正确消费观》这一课时，尝试运用和改编，收到了非常好的教学效果。
二、多读书，善于学习，从阅读中提升自己的理论水平，提升教育教学理念。一个优秀的教师，不仅仅是能够在课堂上有多实践。还要有更高层次的理论水平。你秉承什么样的教学理念，就会有什么样的的教学行为。特别对于政治这一文科科目，有很多人认为只要背过知识点，背过大题，就能得高分，一切都靠死记硬背。作为新教师，如果不能在理念上接触到前沿观点，一旦接受了这样的落后观点，很难在教学实践上有多突破和改革。理论学习读有关的教育教学书刊杂志，是非常有必要的。以政治学科为例，前几年我的教学改革提倡“情境化教学，以问题为导向，在特定的情境中展开教学，落实对学生的情感态度价值观的教育教学目标”，为了达到“立德树人的教育目标”现在新的课标中提出的“议题式教学”设计，这给很多老教师，提出了挑战。但对于新教师来说，因为没有固有思维的限制，反而更好的接受和理解。
新教师，若能多读书，思考，以更高的目标指引自己，同时在实践上孜孜以求，不小有成绩便止步不前，成长和提升一定是很快的。
