zoukankan      html  css  js  c++  java
  • 工商管理同等学力申硕国考 80 分复习指南

    写在前面

    复习以大纲为准
    尽量不要看辅导书

    原因如下:

    1. 时间来不及

    2. 人大老师的水平比出辅导书的老师高

    3. 辅导书错误很多,尤其是答案错误

    真题:从最近的年份开始

    真题可以买一本,尤其是英语,网上虽然也有但是不全,打印也很麻烦。

    注意辅导机构出的都是参考答案,有错误,所以仅可作为参考,主要是熟悉题型和难度。

    京东上随便搜的,也可以买别的版本

    复习计划

    下面是 17 企管 C 班于雷学长分享的个人复习计划,这基本上就是冲着 95 分去的,大部分人做不到也没必要。

    我去年的复习记录,每天差不多复习 2~3 个小时的样子,中间偶尔休息一两天,但是定了时间节点:考试前两周完成看大纲的任务。

    2020 年建议复习计划 

    目前离考试还有不到 10 周,建议如下:

    第 1 周:战略大纲(比较薄)

    2~3 周:市场营销大纲(最容易理解)

    4~5 周:管理学大纲(内容最多)

    6~7 周:财务管理大纲(主要是计算题)

    8~9 周:冲刺押题

    10 周:考前背诵

    出题规律

    投入产出比

    财务 > 战略 > 营销 > 管理学

    按照复习材料多少还有得分难易程度来排的,营销和管理学都属于出题点比较多的学科。

    其实整体来说,不考虑学科的话国考出题也是有规律的,比如名词解释会考那些说的比较清楚,概念清晰的,字数太多或者太少的都不会考。

    简答题:名词解释+一二三

    好像比较喜欢考答案有 3/4/7 条的题目,因为比较好给分。

    论述:总分总答题

    出没什么明显的规律,可以参照简答。有的时候特别小的一个点也可以拿来出论述,2019 年考的稍微正常一点,但是也挺意外的,考的是组织结构整章的内容,就有点不知如何下笔。

    不过不管是简答还是论述,首先看到题,你得先弄明白老师考的是哪部分哪一章内容,如果定位错了那就凉凉了。

    论述和简答答题一定要条理清晰,1、2、3、4 写清楚,论述还要写上总结和举例子。

    案例:比论述容易

    案例每年不是战略就是营销,是一年一科换着来,2019 年是战略,今年 99% 的可能性是营销,当然不排除换出题老师的情况哈。

    相对来说,考案例会比论述简单,因为题干本身包含大量提示信息。

    注意审清楚题干,不要答错知识点。

    计算题:拿分最容易

    好像是一年投资一年筹资这么出的,净现值 2019 考过了大概三年以内不会再考。

    财务计算题基本上就是四个知识点,只要把时间轴整明白都不是事儿。

    单选:出题范围广

    财务会考简单的计算比如求个现值啦求个风险啦这种出计算题吧不值当的,名词解释没机会,简答就更别说啦,也只能出单选了。

    多选:得分最难

    参照简答,条目太多的也不会出,难度太高了才两分不科学。

    多选、少选、错选都不给分。

    得分难度

    计算 < 简答 < 论述 < 单选 < 名词解释 < 多选

    这个是按照复习范围和拿分把握来说的,选择题出题面非常之广,想要都复习到了很难,多选又有迷惑选项。名词解释复习量大题少分数少,简答和论述复习范围小一点但是有的科目比如管理学也是几十道考点啊,计算题上面说过了,范围很小的。

    英语

    强烈不建议背单词,原因如下:

    1. 本末倒置。国考英语考得并不是词汇量,也不是默写单词。

    2. 词汇量大也不一定考高分。想想语文,你语文考几分和认识的汉字多少有关系吗?

    复习建议:首先要能读懂题

    1. 一定要提前熟悉题型和真题难度,很多同学到了考场才发现题型自己都看不懂。

    2. 不要做模拟题

    3. 真题从最近的一年开始做

    4. 英语考试是分试卷一和试卷二的,不会的题跳过随便选个选项不要浪费太多时间,否则试卷一要收卷了你还没做后面的题,肯定挂

    考试当天

    • 考试一定要带 2B 铅笔和橡皮,去年有很多人到了考场才知道选择题要涂卡,虽然监考老师会在考前问一遍并免费提供铅笔,但是我感觉那些人八成都挂了
    • 上午考综合考场差不多人还是满的,但是考完了估计很多人就放弃了,所以下午的英语人超级少,​我所在的考场只有不到三分之一的人。
    • 国考监考超级严格,而且你身边的人都不认识你,又有 30% 的通过率卡着,大家都是竞争关系,​所以,你懂的。​ 

    更多免费资料见知乎:https://zhuanlan.zhihu.com/c_1282638276684906496

  • 相关阅读:
    不可小视视图对效率的影响力
    Maximum Margin Planning
    PhysicsBased Boiling Simulation

    Learning Behavior Styles with Inverse Reinforcement Learning
    Simulating Biped Behaviors from Human Motion Data
    Nearoptimal Character Animation with Continuous Control
    Apprenticeship Learning via Inverse Reinforcement Learning
    回报函数学习的学徒学习综述
    Enabling Realtime Physics Simulation in Future Interactive Entertainment
  • 原文地址:https://www.cnblogs.com/lisaisacat/p/13559633.html
Copyright © 2011-2022 走看看