Technical note TN-PR-TN2006/00495
Issued:07/2006
Weighting in fuzzy subsumption discovery
Risto Gligorov
Philips Research Eindhoven
Philips Restricted
c Koninklijke Philips Electronics N.V.2006
TN-PR-TN2006/00495Philips Restricted
Philips Restricted TN-PR-TN2006/00495 Keywords:semantic web,concept hierarchy,music,subsumption discovery,weigh-
ing,normalized google distance
Abstract:We address the problem of discovering fuzzy subsumption relations between concepts from di?erent concept hierarchies.We investigate
two approximate reasoning schemes which aim at improving of the
fuzzy subsumption relation assessment.The?rst scheme utilizes the
structure of a concept hierarchy and the second takes advantage of a
Google-based dissimilarity measure.We present the results of experi-
ments with several music concept hierarchies from actual sites on the
Internet.
TN-PR-TN2006/00495Philips Restricted Conclusions:In this study,we have addressed the problem of discovering fuzzy sub-sumption relations between concepts from di?erent concept hierarchies.
We have examined two weighting schemes.The?rst exploits the struc-
ture of the CH and the second the NGD dissimilarity measure.From
the evidence provided in section1.4we can conclude that weighting
improves the accuracy of the fuzzy subsumption relation assessment.
The structure-based weighting as it is,depends solely on the struc-ture of the CH.Hence,if the CH’s structure does not preserve the
actual supergenre-subgenre relations then the weight values can be mis-
leading.Unfortunately,in reality this is the case.ADN,for instance,
evenly disperse the classi?ed music genres into a tree-like structure of
depth2.In order to achieve this arti?cial structure the designers of
ADN music metaschema had to sacri?ce some supergenre-subgenre re-
lations;Metal and rock are siblings in ADN classi?cation even though
metal is a subgenre of rock.
Google-based weighting,on the other hand,utilizes the NGD which takes advantage of the vast knowledge available on the web today.Con-
sequently,it should provide a more accurate assessment of the weight
values.Therefore,we are inclined to believe that the Google-based
weighting is a better method.
iv c Koninklijke Philips Electronics N.V.2006
Philips Restricted TN-PR-TN2006/00495 Contents
1Fuzzy subsumption discovery1
1.1Introduction (1)
1.1.1Internet Music Schemas (2)
1.1.2Terminology and de?nitions (3)
1.1.3Matching (5)
1.1.4Approximate subsumption algorithm (5)
1.1.5Weighting (6)
1.2Structure-based weighting (8)
1.2.1The two-phase method (8)
1.2.2Equal cardinality weighting (10)
1.2.3Path length weighting (11)
1.3Google-based weighting (12)
1.3.1Normalized Google Distance (12)
1.3.2The weighting scheme (12)
1.4Experiments (17)
1.4.1Structure-based weighting experiments (18)
1.4.2Google-based weighting experiments (19)
1.5Conclusion (19)
1.6Appendix A (21)
1.7Appendix B (26)
1.8Appendix C (29)
1.9Appendix D (33)
c Koninklijke Philips Electronics N.V.2006v
Philips Restricted TN-PR-TN2006/00495
Section1
Fuzzy subsumption discovery
1.1Introduction
The progress of information technology has made it possible to store and access large amounts of data.However,since people think in di?erent ways and use di?erent termi-nologies to store information,it becomes hard to search each other’s data stores.With the advent of the Internet,which has enabled the integrated access of an ever-increasing number of such data stores,the problem becomes even more serious.The music domain is no exception.(We restrict to legal distribution.)The variety and size of o?ered con-tent makes it di?cult to?nd music of interest.It is often cumbersome to retrieve even a known piece of music.
Our goal is to improve this Internet music search.We aim to use semantics in the retrieval process,which is conveyed in the Semantic Web.In this context we study the problem of semantic integration over di?erent music provider’s schemas.More speci?c, the problem is to?nd pairs of concepts(genres,styles,classes...)from di?erent metadata schemas that have an equivalent meaning.It is not su?cient to use the concept labels only,since,for example,their position in the schemas in?uences their meaning as well. Figure1.1illustrates with an example from existing music schemas.Although the labels are equivalent(“Experimental”),they represent di?erent classes.
Figure1.1:Two music genres:Although the labels are equivalent,Experimental,they represent di?erent classes.
The problem of?nding the right music that?ts a user preferences is similar to the problem of matching the schemas of two di?erent providers.The main problem when matching di?erent schemas is the discovery of concept pairs across the schemas that c Koninklijke Philips Electronics N.V.20061
TN-PR-TN2006/00495Philips Restricted
Figure1.2:The extracted music schemas.
have an equivalent meaning,or?nding a concept with the closest meaning in the other schema when an equivalent one does not exist.The discovery of such similar concepts requires mechanisms that are able to?nd fuzzy correspondences rather than the exact ones.In this study,we explore the problem of discovering fuzzy subsumption relations across schemas,and in particular the improvement of the accuracy when assessing fuzzy relations.We develop weighting schemes that emphasize the more important parts of the fuzzy subsumption problem at hand.
The document is structured as follows.In the rest of section1.1we explain the problem we are addressing in more detail and introduce the terminology used in this document.In section1.2we present a weighting scheme that utilizes the structure of the metadata schema.In section1.3we lay out a Google-based weighting scheme and in section1.4we present results from the experiments on the e?ect of weighting.
1.1.1Internet Music Schemas
On the Internet,music metadata schemas mostly exist in the form of a navigation path through the music o?ered.A metadata schema isn’t always o?ered next to the music,but a visitor can interactively navigate through di?erent pages that list the music. We consider this structure of navigation paths together with the labeling on the links and pages as the metadata schema of that provider.After considering several music provision sites,we selected seven of them and extracted the schema(navigation path): CDNOW(https://www.doczj.com/doc/8812840338.html,)1,MusicMoz2,CD Baby3,ARTIST direct Network4,allmusic 5,LAUNCH cast on Yahoo6and https://www.doczj.com/doc/8812840338.html,7.Also,we have extracted the music schema present in the free online encyclopaedia Wikipedia8.In Figure1.2we present a general overview of the data.
Philips Restricted TN-PR-TN2006/00495
Music classi?cations and styles
Music content providers usually classify the music they o?er into classes for easy ac-cess.These classes are organized in a hierarchy.We refer to the classi?ed entities as https://www.doczj.com/doc/8812840338.html,ually these are artists,albums,compilations,other kinds of releases,songs, and etc.The majority of the terms used to identify a class of music entities are music genres and styles,for example Blues,Jazz,....They can be associated with various kinds of attributes that make a further distinction,for example Americal Blues,Electronic Jazz,....
Music genres and styles on their own are intrinsically ill-de?ned,there is no single authority that can decide for a music entity which genre or style it belongs to.For example,it’s becoming increasingly di?cult to categorize the newly emerging musical styles that incorporate features from multiple genres.Also,the attempts to clasify particular musicians in a single genre are sometimes ill-founded as they may produce music in a variety of genres over time or even within a single piece.In general,however, two de?nitions are accepted:intrinsic-a set of rules that decide when an entity belongs to the genre or not,and extrinsic-a set of all possible music entities that belong to the genre.For our purpose,we use the second one and account for the genres and styles as sets of music entities.Consequently,music classi?cation is a collection of music classes described with english language terms,where instances are being classi?ed.It can be modelled as a concept hierarchy.
Fuzziness in music classi?cation
There are no objective criteria that sharply de?ne music classes.Genre is not precisely de?ned.As a result,di?erent providers often classify the same music entities(artists, albums,songs...)di?erently.Widely used terms like Pop and Rock do not denote the same sets of artists at di?erent portals.That is also the case for even more speci?c styles of music like Speed Metal.
In our experiments when testing with instance data,we restricted to the artists shared by Music Moz and Artist Direct Network,i.e.artists that are present and classi?ed in both portals.In the sequel we refer to them as MM and ADN,respectively.From the class named Rock(including its subclasses)in MM there are471shared classi?ed artists, in ADN there are245,and196shared artists are classi?ed under Rock in both of them. Hence,from all the artists classi?ed under Rock in at least one of the two portals,only about38%is classi?ed under Rock in both portals,?gure1.3.This example shows that there is a high degree of fuzziness present in the music domain.Therefore we expect that exact reasoning methods to create matching are not useful,and approximate methods are more appropriate.
1.1.2Terminology and de?nitions
In this section we will introduce several terms used in the rest of the text.
De?nition1(Concept hierarchy)A Concept Hierarchy(CH)is a triple(N,E,l), where N is a set of nodes,E?N×N is a set of edges among the nodes,and l:N→L is a function that assigns a label from the set of all labels L to every node.The graph structure underlying the CH represents a directed acyclic graph.
c Koninklijke Philips Electronics N.V.20063
TN-PR-TN2006/00495Philips Restricted
Figure1.3:Equivalence testing between ADN and MM.
Figure1.4:Part of MusicMoz CH
In our case the classi?cations and the corresponding CHs have tree-like structure. Figures1.4depicts part of the CH used within MuzicMoz electronic catalogue of music. We extracted the CH using the navigation paths and the labeling of the pages that list the music o?ered by several providers.
In the problem of integration,besides the node’s labels in a CH,we can also use the structure implied by the edges.We carry out this idea by introducing the notions of node concept and extension concept of a node.
De?nition2(Node Concept)Given CH(N,E,l)and n∈N,the node concept of n,designated with C(n),is the concept denoted by the label l(n)attached to n.
For instance,the label Alternative attached to node5from MusicMoz CH(?gure
1.4)re?ers to the concept C Alternative which is the node concept for this node i.e.C(5)≡
C Alternative.
According to[1]and[2]we de?ne the extension concept of a node as follows:
De?nition3(Extension concept of node)If n1,n2,···,n is the path leading from 4c Koninklijke Philips Electronics N.V.2006
Philips Restricted TN-PR-TN2006/00495 the root node n1to the node n in CH(N,E,l)then the extension concept of the node n is the concept given with Ext(n)=C(n1)∩C(n2)∩···∩C(n)
Example1C Rock and C Alternative represent the node concepts of nodes3and5, respectively(?gure1.4).Extension concept of node5is given with Ext(5)≡C Rock∩C Alternative.
The extended concept of a node takes into consideration not only the node label of that node but also the node’s position in the graph.By using the extended concept in-stead of the node concept we capture more semantics.We will clarify this using example 1.Clearly,if looking at the CH(?gure1.4)one would deduce that node5semantically coincides with the set of rock music entities that are also members of alternative music genre,which is the exact meaning of Ext(5).Node concept of node5(C Alternative), on the other hand,includes non-rock music entities(members of alternative hip-hop, an altenative music subgenre that has no connection with rock music).Therefore it is semantically inacurate just to consider the node concept.In the rest of the text we will use the terms concept and node concept interchangeably.
1.1.3Matching
In this section we will state the problem of matching di?erent CHs.A CH can be represented as a graph.Therefore the problem of matching CHs can be phrased as a problem of matching graphs.
According to[2]we can de?ne graph matching as follows:
Mapping element is a4-tuple
In the sequel we will adapt the above de?nition to better suite our purpose of matching terminologies.We have two concept hierarchies A=(N A,E A,l A)and B= (N B,E B,l B)with the corresponding label sets L A and L B that represent two di?erent terminologies.Let n∈N A be a node from A and m∈N B a node from B.With Ext A(n) and Ext B(m)we will denote the extension concepts of the nodes n and m,respectively. As we have said previously we focus our attention on the problem of discovering fuzzy subsumption relations across CHs,therefore the similarity relation R will be a sumsump-tion relation quanti?ed by a coe?cient on[0,1]interval.R measures by what extent the fuzzy subsumption relation between Ext A(n)and Ext B(m)holds.
Mapping elements are computed as4-tuples
1.1.4Approximate subsumption algorithm
We utilize the algorithm stated in[3]that addresses the problem of subsumption test between two propositional logic formulas used to represent classes(concepts).We brie?y explain the algorithm.
c Koninklijke Philips Electronics N.V.20065
TN-PR-TN2006/00495Philips Restricted The subsumption check between classes can be split into a set of subproblems,each checking if one(left)disjunct is a subclass of a(right)conjunct.If all the subproblems are satis?ed,the original problem is also satis?ed.In our approximation,we allow a few of the subproblems to be unsatis?able,while still declaring the original problem satis?able.The(relative)number of satis?able subproblems is a measure of how strongly the subclass relation between the two given formulas hold.
Below,we explain the approach in a more formal way.In our notion we use the inter-pretation of the concepts as sets and consequently we replace conjunction by intersection relation,and implication by a subset relation.
We want to check if
A?B(1.1) where A≡A n
1∩A n2∩···∩A n I and B≡B m1∩B m2∩···∩B m J,holds.It can be easily seen that(1.1)is true if and only if
A?B m
(1.2)
j
holds for all j=1,2,···,J.
We refer to the expresions(1.2)as subproblems.
Now we introduce the idea of approximation:The relation(1.1)holds i?for all subproblems the subclass relation(1.2)holds.If for only a few of the subproblems the relation(1.2)doesn’t hold,we may say that the relation(1.1)almost holds.Even more, we can express the strength at which the relation(1)holds as the ratio between the number of false subproblems(subproblems for which the subclass relation doesn’t hold) and the total number of subproblems.We call this ratio the sloppiness and we use the letter s to denote its value:
|{j:A?B m j|}
s(A?B)=
Philips Restricted TN-PR-TN2006/00495 For this purpose we can“weight”the subproblems to determine their contribution in the end result.In the remainder of this report we address the problem of improving the accuracy when assessing fuzzy subsumption relations by subproblem weighting.We investigate two di?erent approaches to obtain the weighting coe?cients.The?rst ap-proach uses the graph structure of the CH and the second one takes advantage of the vast knowledge available on the web today by using a google-based dissimilarity measure. Both approaches are described in detail in the subsequent sections.
c Koninklijke Philips Electronics N.V.20067
TN-PR-TN2006/00495Philips Restricted
Figure1.5:Example
1.2Structure-based weighting
In structure-based weighting we exploit the graph structure of the concept hierarchy to derive the weights.The approach we take is based on the following two assumptions.
?Generally,the greater the distance from the root of the graph the more speci?c the node concept of the node.
?Both,more speci?c and less speci?c node concepts are relevant for the sumsumption relation discovery.
Figure1.1suggests that when there is high level of agreement between the more speci?c concepts,the?nal outcome should be mainly in?uenced by the less speci?c concepts.Figure1.5,on the other hand,indicates the opposite.The subsumption relation assessment should be mainly in?uenced by the more speci?c concepts when there is high level of agreement between the less speci?c concepts.
In-line with these assumptions we investigate a?exible subsumption relation dis-covery method comprised of two phases.In the?rst phase we assign more importance (weight)to less speci?c concepts,and in the second phase we reverse the situation, more speci?c concepts receive more importance(weight).From each phase we obtain a sloppiness value.The?nal sloppiness value is a combination of these two sloppiness values.
1.2.1The two-phase method
In this subsection we will present the aforementioned method.We are given the con-cept hierachies(N A,E A,l A)and(N B,E B,l B).n I and m J are nodes from N A and N B respectively.We want to check the validity of
Ext A(n I)≡A n
1∩···∩A n I?B m1∩···∩B m J≡Ext B(m J)
where n1,···,n I is the path leading from root node n1to node n I in CH(N A,E A,l A), m1,···,m J is the path leading from root node m1to node m J in CH(N B,E B,l B),
8c Koninklijke Philips Electronics N.V.2006
Philips Restricted TN-PR-TN2006/00495
A n
i≡C(n i)i=1,···,I and B m j≡C(m j)j=1,···,J.According to the algorithm destribed in section1.1.4we have the following subproblems to solve
A?B m
j
(1.4)
where A≡A n
1∩···∩A n I,j=1,···,J.As said,in the?rst(second)phase more (less)importance is assigned to the more(less)general concepts.Therefore the level of
“generality”of a concept plays a central role in our method.In the subsequent sections we will introduce(graph)structure based measures for quantifying this notion of concept “generality”.But,for the time being,given a node concept B m
j
j=1···,J,we assume
that gen(B m
j )measures the generality of the concept B m
j
.In the sequel we explain the
method in detail.
Phase1:The“weight”assigned to the subproblem A?B m
j
in phase1is given by
w j=gen(B m
j
)
TN-PR-TN 2006/00495Philips Restricted
1.2.2Equal cardinality weighting
As stated previously,we de?ne genre as a set of all music entities that belong to the
genre.From a semantics viewpoint,node concepts and extended concepts represent
musical genres.Therefore,we can think of node concepts and extended concepts as the
set of all entities included in the genre they represent.We can use this interpretation to
develop “generality”measure.We focus ourselves on the subproblems given by (1.4)in
subsection 1.2.1.We will use the logarithm of cardinality ratio as a generality measure
i.e.gen (B m j )=ln
|B m j ||B 1∩B 2∩B 22|.From the CH we have
B 1=
21 i =2(B 1∩B i )
The sets (B 1∩B i ),i =2,···,21,represent di?erent sibling nodes from the CH.Hence,
they are pairwise disjoint.If we assume that these sets have equal cardinality we will
get the following result |B 1|=20·|B 1∩B 2|.Furthermore,
B 1∩B 2=
41 i =22(B 1∩B 2∩B i )10c
Koninklijke Philips Electronics N.V.2006
Philips Restricted TN-PR-TN2006/00495 and(B1∩B2∩B i),i=22,···,41represent di?erent sibling nodes from the CH.There-fore,they are pairwise disjoint.If we again assume that these sets have equal cardinality we obtain the result
|B1|=400·|B1∩B2∩B22|
Next,we will try to approximately assess the value of|B2|
|B1∩B2∩B22|.The set B3is partitioned
by the sets B1and B2into four disjoint sets,B3\(B1∩B2),(B3∩B1)\(B1∩B2∩B3), (B3∩B2)\(B1∩B2∩B3)and B1∩B2∩B3.We assume that|B3\(B1∩B2)|= |(B3∩B1)\(B1∩B2∩B3)|=|(B3∩B2)\(B1∩B2∩B3)|=|B1∩B2∩B3|.As a consequence we have
|B3|=4·|B1∩B2∩B22|
The type of partition of a set that we have used in the last two cases is formally de?ned in Appendix A.Also,in Appendix A we have proved that the number of disjoint sets in which a set A i is partitioned by a family of sets A1,···,A i?1,A i+1,···,A n is equal to2n?1(Appendix A,theorem3).
Using this fact,we can deduce,just as we did in the example,that
gen(B m
j
)=(j?1)ln(2)+ J?1k=j ln(p m k)j=1,···,J?1
gen(B m
J
)=(J?1)ln(2)
where p m
j
,j=1,···,J?1,is the branching factor(number of children)of the node m j. We re?er to the two-phase method that uses this generality measure as equal cardinality weighting.In Appendix B we state and prove several theorems regarding the maximal values of the weights used in equal cardinality weighting scheme.
If we observe the cardinality ratios given in the example we notice that their values decrease exponentially.Consequently,if we substitute these values into(1.5)as generality measures,the?rst subproblem in the?rst phase will receive far more weight than the rest of the subproblems.This observation is also valid for the last subproblem in the second phase.Therefore,the?nal result will be mainly in?uenced by the?rst and the last subproblem.In order to alleviate this e?ect we consider the logarithm of the cardinality ratios rather than the actual cardinality ratios,as expressed in(1.7).
1.2.3Path length weighting
Once again,we attach our attention to the subproblems given by(1.4)in subsection 1.2.1.We will use the lenght of the path in the graph representation of CH as a generality measure i.e.
gen(B m
j
)=dist(m j,m J)(1.8)
where m j and m J are the nodes to whom the node concepts B m
j and B m
J
belong,
respectively.The measure given with(1.8)is calculated in respect to the node m J and it is de?ned only for the node concepts of the ancestors of m J.We call the two-phase method that uses(1.8)as generality measure path length weighting.
c Koninklijke Philips Electronics N.V.200611
TN-PR-TN2006/00495Philips Restricted 1.3Google-based weighting
The weighting scheme we consider in this section takes advantage of the vast knowledge available on the web today by using a google-based dissimilarity measure described in the next section.
1.3.1Normalized Google Distance
We utilize a dissimilarity measure,called Normalized Google Distance(NGD),intro-duced in[4].According to[4]each web page indexed by the Google search engine can be observed as a set of index terms.A search for a particular index term returns a certain number of hits-web pages where this term occurred.NGD takes advantage of the number of hits returned by Google to compute the semantic distance between concepts. The concepts are represented with their labels which are fed to the Google search engine as search terms.Given two search terms x and y,the the normalized google distance between x and y,NGD(x,y),can be obtained as follows
max{log f(x),log f(y)}?log f(x,y)
NGD(x,y)=
Philips Restricted TN-PR-TN2006/00495 to the subproblem A?B i,i=1,···,m,depends on how much information the concept B i provides about the concept B.The level of informativeness can be observed as a“semantic closeness”between the concepts B i and B.Intuitively,a concept that is semantically less distant should be more relevant than a concept that is semantically more distant.As a semantic distance measure we use the Normalized Google Distance. The procedure that assigns weights to the subproblems proceeds as follows: First,we compute the normalized google distances.
d1=NGD(B1,B)
..
.
d m=NGD(B m,B)
We normalize these values to the[0,1]interval
d 1=d1
m i=1d i
(1.11)
Subsequently,the normalized distance values are converted into similarities
s1=1?d 1
..
.
s m=1?d m
Finally,from the similarity values the weights for the subproblems are derived.
w1=s1
m
i=1
s i
After solving the subproblems we obtain the sloppiness value in the following manner
s(A?B)= A?B i w i(1.12) Google queries
As said,concepts are represented with their labels.The concept labels are transformed into search queries and fed into the Google search engine.For instance,if we have to compute the NGD between the concepts C rock and C rock∩C alternative we have to gather three pieces of information:the number of hits for the term rock(label of C rock),the number of hits for the terms alternative and rock(labels of C alternative∩C rock)and the number of hits for the tuple of search terms rock and alternative rock(C rock,C alternative∩C rock).
To get the number of web pages in which the search term rock occurs we use the query:rock music.Besides music style,the word rock has other senses.One of them is rock as a lump or mass of hard consolidated mineral matter(stone).Therefore,to?lter out the occurrences of the term rock in a non-musical context we add the search term music to the google query.
c Koninklijke Philips Electronics N.V.200613
TN-PR-TN2006/00495Philips Restricted Analogously,we retrieve the number of web pages where both search terms alternative and rock occur using the query:alternative rock music.Finally,we use the query: alternative rock music to retrieve the number of pages where the tuple of search terms rock and alternative rock occurs.
In general,if we want to compute the NGD between the concepts B i and B,where the label L k denotes the concept B k,k=1,···,m,we proceed as follows: First,we obtain the number of hits for B i using the query:“L i”music.L i might be a multi-word,and by putting quotes around it we force Google to search for the exact occurrences of the word.
Second,we obtain the number of hits for B using the query:“L1”···“L m”music. L k,k=1,···,m,might be a multi-word,and by putting quotes around it we force Google to search for the exact occurrences of the word.
Finally,we obtain the number of hits for the tuple(B i,B)using the query:“L1”···“L m”music.L k,k=1,···,m,might be a multi-word,and by putting quotes around it we force Google to search for the exact occurrences of the word.L i∈{L1,···,L m}, therefore the last query coincides with the previous.
Modi?ed NGD
As said,we compute the NGD values using(1.9)
d i=NGD(B i,B)=
max{log f(B i),log f(B)}?log f(B i,B)
log M?log f(B)
(1.14) or
d i=NGD(B i,B)=
N i
N
N =
N i
f(B)
(1.16)
where mNGD stands for modi?ed Normalized Google Distance.
14c Koninklijke Philips Electronics N.V.2006
部编版二年级语文上册课文中心思想归纳 第一单元 课文1.《小蝌蚪找妈妈》 小蝌蚪先长出（两条后腿），再长出（两条前腿），接着（尾巴变短），最后变成了小青蛙。 《小蝌蚪找妈妈》告诉我们：任何事情只要付出持之以恒的努力就一定会成功。课文2.《我是什么》 我就是（水）。我会变。太阳一晒，我就变成（汽）。升到天空，我又变成（云），在空中飘浮着。碰到冷风，我会变成小水滴落下来，人们叫我（雨）；有时候我变成小硬球打下来，人们就叫我（冰雹）；到了冬天，我变成小花朵飘下来，人们又叫我（雪）。 课文3.《植物妈妈有办法》 我知道蒲公英靠（风）来传播种子，豌豆靠（太阳）来传播种子，我还知道（苍耳）靠（动物的皮毛）来传播种子。 第二单元 识字1.《场景歌》
一只海鸥一片沙滩一艘军舰一条帆船，一方鱼塘一块稻田一行垂柳一座花园，一道小溪一孔石桥一丛翠竹一群飞鸟，一面队旗一把铜号一队红领巾一片欢笑。识字2.《树之歌》 杨树（高），榕树（壮），梧桐树叶像（手掌），枫树秋天（叶儿红），（松柏）四季披绿装。（木棉）喜暖在南方，（桦树）耐寒守北疆。银杏（水杉）活化石，（金桂）开花满院香。 3.《拍手歌》 鸟类：孔雀、锦鸡、雄鹰、雁群、黄鹂、百灵。兽类：猛虎、熊猫。 识字4.《田家四季歌》 春季是个播种的季节，（花）开了，（草）长出来了。夏季农民伯伯很忙碌，他们采了（蚕桑）又（插秧），每天早起（勤耕作），归来（戴月光）。秋季是丰收的好季节，（谷）像黄金粒粒香，农民伯伯的心里（喜洋洋）。农民伯伯种粮很（辛苦），粮食来之不易，我们要（珍惜）粮食。 《田家四季歌》告诉我们：农民伯伯很辛苦，我们要爱惜粮食。 第三单元 课文4.《曹冲称象》
语文二年级上册电子课本 （1）好词积累： 大大的脑袋黑灰色的身子长长的尾巴碧绿的衣裳雪白的肚皮快活地游来游去 （2）数量词积累： 一群小蝌蚪四条腿一只乌龟两只大眼睛一对大眼睛 （3）读一读，记一记： 脑袋口袋袋子袋鼠 欢迎迎接迎风迎面 水塘池塘鱼塘荷塘
（4）田字格里的生字及组词： 两（两个两人）就（就是成就） 哪（哪里哪儿）宽（宽大宽广） 顶（头顶顶尖）肚（肚子肚皮） 皮（头皮皮球）孩（孩子女孩） 跳（跳远跳高） （5）句子练习：用“已经”造句。 例：小青蛙的尾巴已经不见了。 （1）我的作业已经写完了。（2）小树苗已经长高了。
②我是什么 （1）反义词：温和——暴躁好——坏 （2）多音字：没（mò 淹没没过）（méi 没有没用） （3）读一读，记一记： 灌溉田地发动机器淹没庄稼冲毁房屋滋润土壤破坏河堤 （4）我会变成什么： 【水：汽—→云—→雨—→冰雹—→雪】
（5）田字格里的生字及组词： 变（变成变化）极（太极北极） 片（一片刀片）傍（傍晚傍水） 海（大海海水）洋（海洋洋河） 作（作业工作）给（送给分给） 带（皮带带来） ③植物妈妈有办法 （1）课文介绍了哪几种植物？说说它们是怎么传播种子的。你还知
道哪些植物传播种子的办法？ ①蒲公英：靠风传播种子； ②苍耳：靠挂住动物的皮毛传播种子； ③豌豆：靠太阳传播种子。 ◇课外拓展：1、靠水来传播： 椰子：靠水来传播，椰子成熟以后，椰果落到海里便随海水漂到远方。 睡莲：睡莲的果实成熟后沉入水底。果皮腐烂后，包有海绵状外种皮的种子就会浮起来，漂到其它地方。 2、靠小鸟或其他动物传播： 樱桃、野葡萄、野山参：靠小鸟或其他动物把种子吃进肚子，由于消
二年级语文下册全册课文内容归纳 第一单元 《村居》描写了诗人居住在乡村时见到的春天的景象和孩子们放学后和风筝的情景，表达出诗人对春天的喜爱和赞美之情。 《咏柳》这首诗通过描写在春风吹拂下，柳树迷人的姿态，赞美了万物复苏，生机盎然的春天。 《找春天》作者运用了比喻，拟人的手法描写了孩子们眼中的春到，歌颂了春天的无限美好，表达了对春景，对大自然的喜爱之情。 《开满鲜花的小路》写了长颈鹿大叔寄给鼹鼠先生的花籽，被他不小心漏了一路，第二天春天，那条小路成了一条开满鲜花的小路，给大家带来了美好和快乐的故事。文章表现出小动物之间和谐相处的美好景象。 第二单元 《邓小平爷爷植树》真实地记述了1987年4月5日，邓小平爷爷在天坛公园亲手栽种柏树的情景，体现了邓小平爷爷做事一丝不苟的精神和绿化环境的意识。 《雷锋叔叔，你在哪里》是一首儿童诗，作者以优美的语言和流畅的音韵沿着“长长小溪”和“弯弯的小路”寻找雷锋叔叔生前助人为乐的足迹，呼唤着雷锋叔叔，寻找着雷锋精神。 《千人糕》通过爸爸和孩子吃“千人糕”的故事，阐述了一个道理：任何一样东西都是很多很多人共同劳动的成果，我们只有共同努力，互相合作，才能使我们的生活更美好。 《一匹出色的马》写了一家人到郊外散步，回来的时候，妹妹走不动了，爸爸拾起一根柳枝让妹妹当马，骑着回家了的故事。文章表现出孩子的天真可爱和生活的快乐。 第三单元 《神州谣》以“三字经”的形式赞美祖国的壮丽山河，表达了盼望两岸统一，祖国繁荣昌盛的强烈愿望。 《传统节日》按照时间顺序介绍了春节，元宵节，清明节，端午节等传统节日的习俗和人们的活动，表达了对中华民族传统文化的喜爱和敬重之情。 《“贝”的故事》介绍了“贝”字演变的过程和它表示的意思，让我们了解了用偏旁猜测汉字意思的办法，感受到了汉字的特点。 《传统美食》列出了七种菜品，四种主食的名字。形象的名字，既列出了食物是同哪些食村做成的，也点明了做法，让我们感受到了中国传统美食的丰富多彩。
人教版初中语文七年级上册电子课本 1 《论语》十则 ?原文和译文 1、子曰 : “学而时习之，不亦说乎?有朋自远方来，不亦乐乎?人不知而不悦， 不亦君子乎 ?”( 《学而》 ) 解词 : 时: 按时 ; 说: 同“悦”，愉快。 翻译 : 学习需要不断复习才能掌握。学了知识，按时复习，这是愉快的事。这 里既有学习方法，也有学习态度。朋，这里指志同道合的人。有志同道合的人从远 方来，在一起探讨问题，是一种乐趣。 赏析 : 人家不了解，我却不怨恨，是君子的风格。这是讲个人修养问题。 2、子曰 : “温故而知新，可以为师矣。”( 《为政》 ) 解词 : 故: 旧的( 知识 ); 知: 理解、领悟。 翻译 : 复习旧的知识，能够从中有新的体会或发现。这样，就可以做老师了。 3、子曰 : “学而不思则闰 ; 思而不学则殆。” ( 《为政》 ) 解词 : 罔: 迷惑而无所得 ; 殆: 精神疲倦而无所得。 翻译 : 只读书而不肯动脑筋思考，就会感到迷惑; 只是一味空想而不肯读书，就 会有疑惑。 赏析 : 这里阐述了学习和思考的辩证关系，也是讲学习方法的。 4、子曰 : “由，诲女知之乎! 知之为知之，不知为不知，是知也。”( 《为政》 )解词 : 愠: 恼恨。 翻译 : 孔于说 : “子路，教给你正确认识事物的道理吧。( 那就是 ) 知道就是知道，不知道就是不知道，这就是聪明智慧。” 赏析 : 这段说的是对待事物的正确态度。
5、子贡问曰 :“孔文子何以谓之‘文’也?”子曰 :“敏而好学，不耻下问，是以谓之‘文’也。” ( 《公冶长》 ) 解词 : 耻: 以,, 为羞耻 翻译 : 子贡问道 : “孔文子为什么叫“文”呢?”孔子说 : “他聪敏而又爱好学 刁，并且不以向不如自己的人请教为耻。因此用‘文’做他的谥号。”这里借回答 于贡的问话，借题发挥，教育弟子要勤学好问。 6、子曰 : “默而识之，学而不厌，诲人不倦，何有于我哉! ”( 《述而》 ) 解词 : 识: 记住; 厌: 满足; 诲: 教导。 翻译 : 这一则是孔子的自述，讲的是学习态度和方法。要把学过的东西默默地 记在心里，不断积累知识。“学而不厌”，讲的是好学精神，学无止境，从不感到 满足。“诲人不倦”，讲的 2 是教学态度，要热情地教导学生。孔于一生都是这样做的，所以他说: “对我 来说，有什么呀 ?”表现了孔子的自信。 7、子曰 : “三人行，必有我师焉; 择其善者而从之，其不善者而改之。”( 《述而》 ) 翻译 : 孔子说 : “几个人在一起走路，其中一定有人可以当我的老师。应当选择 他们的优点去学习，对他们的缺点，要注意改正。”这里说的是只要虚心求教，到 处都有老师。 8、子曰 : “知之者不如好之者，好之者不如乐之者。”( 《雍也》 ) 翻译 : 孔子说 : “( 对待任何事业和学问) 懂得它的人不如喜爱它的人，喜爱它的 人不如以它为乐的人。”这段主要讲学习的三个层次，只有以之为乐的人，才能真 正学好它。 9、子在川上，曰 : “逝者如斯夫，不舍昼夜。”( 《子罕》 )
1 小蝌蚪找妈妈 池塘里有一群小蝌蚪，大大的脑袋，黑灰色的身子， 甩着长长的尾巴，快活地游来游去。 小蝌蚪游哇游，过了几天，长出了两条后腿。他们看 见鲤鱼妈妈在教小鲤鱼捕食，就迎上去问：“鲤鱼阿姨， 我们的妈妈在哪里？”鲤鱼妈妈说：“你们的妈妈四条腿，宽嘴巴。你们到那边去找吧！”小蝌蚪游哇游，过了几天，长出了两条前腿。他们看见一只乌龟摆动着四条腿在水里游，练忙追上去，叫着：“妈妈，妈妈！”乌龟笑着说：“我不是你们的妈妈。你们的妈妈头顶上有两只大眼睛， 披着绿衣裳。你们到那边去找吧！”小蝌蚪游哇游，过了 几天，尾巴变短了，他们游到荷花旁边，看见荷叶上蹲着 一只大青蛙，披着碧绿的衣裳，露着雪白的肚皮，鼓着一 对大眼睛。 小蝌蚪游过去，叫着：“妈妈，妈妈！”青蛙妈妈低 头一看，笑着说：“好孩子，你们已经长成青蛙了，快跳 上来吧！”他们后腿一蹬，向前一跳，蹦到了荷叶上。 不知什么时候，小青蛙的尾巴已经不见了，他们跟着 妈妈，天天去捉害虫。 塘脑袋灰哇教捕迎阿姨宽龟顶披鼓 两就哪宽顶睛肚皮孩跳
2 我是什么 我会变。太阳一晒，我就变成汽。升到天空，我又变 成无数极小极小的点儿，连成一片，在空中飘浮。有时候 我穿着白衣服，有时候我穿着黑衣服，早晨和傍晚我又把 红袍披在身上。人们管我叫做“云”。 我在空中越升越高，体温越来越低，变成了无数小水滴。小水滴聚在一起落下来，人们叫我“雨”。有时候我 变成小硬球打下来，人们就叫我“冰雹”。到了冬天，我 变成小花朵飘下来，人们又叫我“雪”。 平常我在池子里睡觉，在小溪里散步，在江河里奔跑，在海洋里跳舞、唱歌、开大会。 有时候我很温和，有时候我却很暴躁。我做过许多好事，灌溉田地，发动机器，帮助人们工作。我也做过许多 坏事，淹没庄稼，冲毁房屋，给人们带来灾害。人们想出 种种办法管住我，让我光做好事，不做坏事。 小朋友，你们猜猜，我是什么？ 晒极傍越滴溪奔洋坏淹冲毁屋猜 变极片傍海洋作坏给带
二年级语文（下） 听 写 手 册 班级姓名
第一单元 1、《古诗二首》 一、晨读： 黄hu án ɡ莺y īn ɡ 吹chu ī拂f ú 河h é堤d ī 杨y án ɡ柳li ǔ 喝h ē醉zu ì 咏y ǒn ɡ诗sh ī 化hu à妆zhu ān ɡ 丝s ī绦t āo 裁c ái 剪ji ǎn 二、听写： 诗sh ī歌ɡē 乡xi ān ɡ村c ūn 儿ér 童t ón ɡ 碧b ì绿l ǜ 化hu à妆zhu ān ɡ 丝s ī绦t āo 剪ji ǎn 刀d āo 三、背诵并默写《村居》和《咏柳》 2、《找春天》 一、晨读： 脱tu ō棉mi án 袄ǎo 冲ch ōn ɡ出ch ū 寻x ún 找zh ǎo 害h ài 羞xi ū 姑ɡū 娘nian ɡ 遮zh ē遮zh ē掩y ǎn 掩y ǎn 躲du ǒ躲du ǒ藏c án ɡ藏c án ɡ 探t àn 头t óu 吐t ǔ气q ì 嫩n èn 芽y á 音y īn 符f ú 解ji ě冻d òn ɡ 触ch ù到d ào 柳li ǔ枝zh ī 荡d àn ɡ秋qi ū千qi ān 风f ēn ɡ筝zhen ɡ 叮d īn ɡ叮d īn ɡ咚d ōn ɡ咚d ōn ɡ 杜d ù 鹃ju ān 桃t áo 花hu ā 杏x ìn ɡ花hu ā 二、听写：春ch ūn 天ti ān 寻x ún 找zh ǎo 姑ɡū娘nian ɡ 野y ě花hu ā 眼y ǎn 睛j īn ɡ 柳li ǔ枝zh ī 桃t áo 花hu ā 杏x ìn ɡ花hu ā 三、背诵全文。 3、《开满鲜花的小路》 一、晨读： 鲜xi ān 花hu ā 邮y óu 递d ì 员yu án 包b āo 裹ɡu ǒ 原yu án 来l ái 大d à叔sh ū 寄j ì来l ái 邮y óu 局j ú 一y ì堆du ī 破p ò了le 漏l òu 水shu ǐ 懊ào 丧s àn ɡ 啊ɑ 刺c ì猬wei 绚xu àn 丽l ì多du ō彩c ǎi 五w ǔ颜y án 六li ù色s è 花hu ā朵du ǒ簇c ù簇c ù 花hu ā籽z ǐ 礼l ǐ物w ù 二、听写： 鲜xi ān 花hu ā 邮y óu 递d ì员yu án 先xi ān 生shen ɡ 原yu án 来l ái 大d à叔sh ū 邮y óu 局j ú 东d ōn ɡ西xi 太t ài 太tai 做zu ò客k è 惊j īn ɡ奇q í 快ku ài 活huo 去q ù年ni án 美m ěi 好h ǎo 礼l ǐ物w ù
【文库独家】 部编版二年级语文上册全册课文内容梳理 第一单元：自然的秘密 课文1.《小蝌蚪找妈妈》小蝌蚪先长出（两条后腿），再长出（两条前腿），接着（尾巴变短），最后变成了小青蛙。 《小蝌蚪找妈妈》告诉我们：任何事情只要付出持之以恒的努力就一定会成功。 课文2.《我是什么》我就是（水）。我会变。太阳一晒，我就变成（汽）。升到天空，我又变成（云），在空中飘浮着。碰到冷风，我会变成小水滴落下来，人们叫我（雨）；有时候我变成小硬球打下来，人们就叫我（冰雹）；到了冬天，我变成小花朵飘下来，人们又叫我（雪）。 课文3.《植物妈妈有办法》我知道蒲公英靠（风）来传播种子，豌豆靠（太阳）来传播种子，我还知道（苍耳）靠（动物的皮毛）来传播种子。 第二单元：场景树木动物农事 识字 1.《场景歌》一只海鸥一片沙滩一艘军舰一条帆船，一方鱼塘一块稻田一行垂柳一座花园，一道小溪一孔石桥一丛翠竹一群飞鸟，一面队旗一把铜号一队红领巾一片欢笑。 识字2.《树之歌》杨树（高），榕树（壮），梧桐树叶像（手掌），枫树秋天（叶儿红），（松柏）四季披绿装。（木棉）喜暖在南方，（桦树）耐寒守北疆。银杏（水杉）活化石，（金桂）开花满院香。 3.《拍手歌》鸟类：孔雀、锦鸡、雄鹰、雁群、黄鹂、百灵。兽类：猛虎、熊猫。 识字 4.《田家四季歌》春季是个播种的季节，（花）开了，（草）长出来了。夏季农民伯伯很忙碌，他们采了（蚕桑）又（插秧），每天早起（勤耕作），归来（戴月光）。秋季是丰收的好季节，（谷）像黄金粒粒香，农民伯伯的心里（喜洋洋）。农民伯伯种粮很（辛苦），粮食来之不易，我们要（珍惜）粮食。 《田家四季歌》告诉我们：农民伯伯很辛苦，我们要爱惜粮食。 第三单元：儿童生活 课文4.《曹冲称象》曹冲是（曹操）儿子，才（七）岁，他是一个（善于观察，乐于动脑，大胆表达）的孩子。曹冲称象的办法是：先赶象（上船），在船舷上（画线），然后把大象（赶下船），装（石头）上船，当船正常到做记号的地方停止，最后称（石头）的重量 我们要学习曹冲善于观察，乐于动脑，大胆表达的品质。 课文 5.《玲玲的画》好多事情并不像我们（想象）的那么糟，只要（肯动脑筋）。（坏事）也能变成（好事）。当玲玲过多成自己的画《我家的一角》时，是（高兴）的心情，不小心把画弄脏了时，是（伤心）的心情，当把弄脏的地方画上一只可爱的小狗后，她（开心）地笑了 《玲玲的画》告诉我们的道理：好多事情并不像我们想象的那么糟，只要肯动脑筋，坏事往往能变成好事。
人教版 人教版一年级语文上册电子课本 入学教育 汉语拼音 识字（一） 1一去二三里 2口耳目 3在家里 4操场上语文园地一有趣的游戏 课文 1画 2四季 3小小竹排画中游 4哪座房子最漂亮 5爷爷和小树语文园地二我们的画 6静夜思 7小小的船 8阳光 9影子 10比尾巴语文园地三这样做不好 识字（二） 1比一比 2自选商场 3菜园里 4日月明语文园地四我会拼图 课文 11我多想去看看 12雨点儿 13平平搭积木 14自己去吧 15一次比一次有进步语文园地五该怎么办 16小松鼠找花生 17雪地里的小画家 18借生日 19雪孩子 20小熊住山洞语文园地六小兔运南瓜 生字表（一） 生字表（二） 汉字笔画名称表 人教版一年级语文下册电子课本 识字1 1柳树醒了2春雨得色彩3邓小平爷爷植树4古诗两首春晓村居语文园地一
5看电视6胖乎乎得小手7棉鞋里的阳光8月亮得心愿语文园地二 识字3 9两只鸟蛋10松鼠和松果11美丽得小路12失物招领语文园地三 识字4 13古诗两首所见小池14荷叶圆圆15夏夜多美16要下雨了17小壁虎借尾巴语文园地四 识字5 18四个太阳19乌鸦喝水20司马光21称象语文园地五 识字6 22吃水不忘挖井人23王二小24画家乡语文园地六 识字7 26小白兔和小灰兔27两只小狮子28小伙伴29手捧空花盆的孩子语文园地七 识字8 30棉花姑娘31地球爷爷的手32兰兰过桥33火车的故事34小蝌蚪找妈妈语文园地八 生字表（一） 生字表（二） 人教版二年级语文上册电子课本 识字1 1秋天的图画2黄山奇石3植物妈妈有办法4古诗两首赠刘景文山行语文园地一 识字2 5一株紫丁香6我选我7一分钟8难忘的一天语文园地二 识字3 9欢庆10北京11我们成功了12看雪语文园地三 识字4 13坐井观天14我要的是葫芦15小柳树和小枣树16风娃娃17酸的和甜的语文园地四 识字5 18称赞19蓝色的树叶20纸船和风筝21从现在开始语文园地五 识字6 22窗前的气球23假如25古诗两首回乡偶书赠汪伦语文园地六 识字7 26“红领巾”真好27清澈的湖水28浅水洼里的小鱼29父亲和鸟语文园地七识字8 30我是什么31回声32太空生活趣事多33活化石34农业的变化真大语文园地八 生字表（一） 生字表（二） 人教版二年级语文下册电子课本
1《小蝌蚪找妈妈》教学反思 《小蝌蚪找妈妈》是一篇童话故事。本文讲的是几只天真活泼的小蝌蚪是怎样四处寻找妈妈的，它们在寻找妈妈的过程中，逐渐了解了妈妈的样子和特点。同时，它们也在不知不觉中，身体也发生了缓慢的变化，最后变成了小青蛙，和妈妈一起去田间害虫。 一、教学效果 教学本课，我紧紧围绕小蝌蚪的成长变化这一线索，紧抓识字、读书的重点，把朗读和看图及随课文识字结合起来，让孩子学会动脑，学会讲述故事梗概，同时把积极思考、努力发现结合起来，从不同角度带领学生们走进了一个丰富多彩、生动有趣的动物世界。并且，我注意不同学生的原有水平，在自主学习的基础上，根据他们的个别差异进行有重点、针对性的指导，取得了很好的效果。 二、成功之处 1.感知领悟，创设情境。 在引导学生感悟故事内容时，我对教材内容进行了有机的整合，独具匠心地采取有效措施，避开了学生早已熟悉的“怎样找妈妈”的内容，引导学生先与小蝌蚪和青蛙交朋友，了解蝌蚪的样子，感知青蛙的样子，知道蝌蚪与青蛙的巨大不同——本来是截然不同的两种小动物啊！再通过科普知识介绍，感悟“小蝌蚪是怎样变成青蛙的?”这样孩子们始终饶有兴趣地与文本对话，找变化点，让学生在阅读思考、表演解说过程中加深对课文内容的理解，达到了锻炼思维、发展语言的目的，同时也培养了孩子们细心观察的好习惯。另外，我准备了动画资料，结合动画，从朗读入手，有利于提高孩子们学习的兴趣，带动读的欲望和参与的动力。 2、花样识字，加深记忆。 结合低年级孩子的特点，在自主朗读识字中，我采用多种识字方法引导学生识字，加一加，减一减，换一换，深化了学生的记忆基础，增加了记忆的深度。如：“肚”字，用加一加的方法，使原本枯燥的识字变得简单容易。“眼睛”乃心灵的窗户，“目”字旁与眼睛息息相关，体现了生字的音、形、义的结合。在此我还以“识字大王”的评比激发了学生热爱读书的兴趣，收到了不错的效果。
语文二年级上册电子课本 1内容提要编辑教科书以《义务教育语文课程标准（2011年版）》为依据，吸纳语文课程改革的优秀成果，沉淀课程改革的先进理念和成功经验，注重培养学生的创新精神和实践能力，积极倡导自主、合作、探究的学习方式，加强语言文字运用，加强语文和生活的联系，致力于构建开放的、富有活力的教科书体系，全面提高学生的语文素养[1] 2图书目录编辑课文 1 小蝌蚪找妈妈 2 我是什么 3 植物妈妈有办法口语交际：有趣的动物语文园地一快乐读书吧识字 1 场景歌 2 树之歌 3 拍手歌 4 田家四季歌语文园地二课文 4 曹冲称象 5 玲玲的画 6 一封信7 妈妈睡了口语交际：做手工语文园地三8 古诗二首登鹳雀楼望庐山瀑布9 黄山奇石10 日月潭11 葡萄沟语文园地四12 坐井观天13 寒号鸟14 我要的是葫芦口语交际：商量语文园地五15 大禹治水16 朱德的扁担17 难忘的泼水节口语交际：看图讲故事语文园地六18 古诗二首夜宿山寺敕勒歌19 雾在哪里20 雪孩子语文园地七21 狐假虎威22 狐狸分奶酪23 纸船和风筝24 风娃娃语文园地八识字表写字表词语 1.《小蝌蚪找妈妈》●《小蝌蚪找妈妈》是一篇充满儿童情趣的科学童话。通过写小蝌蚪在（鲤鱼妈妈和乌龟）的提示下，找到自己的妈妈的奇妙经过，自然活泼地展示了小蝌蚪发育成青蛙的变化过程，
以及生活习性的变化，蕴含遇事主动探索的道理。（1）会认字塘脑袋灰哇教捕迎阿姨宽龟顶披鼓（2）会写字两(两个)(两天)哪(哪里)(哪个)宽(宽大)(宽广)顶(头顶)(山顶)眼(眼光)(眼花)睛(眼睛)(定晴)肚(肚子)(肚皮)皮(皮球)(皮衣)孩(孩子)(孩童)跳(跳远)(跳动) （3）多音字“教”jiāo(教书教课）—jiào（教师教室）①老师在课堂上正教（jiāo）着无精打采的孩子。②你觉得你的家庭教（jiào）师怎么样？（4）读一读，记一记脑袋口袋（前两个“袋”读轻声dai）袋子袋鼠（后两个“袋”读四声dài）欢迎迎接迎风迎面水塘池塘鱼塘荷塘
部编二年级语文上册课内必背必默写资料
蒲公英妈妈准备了降落伞，把它送给自己的娃娃。 只要有风轻轻吹过，孩子们就乘着风纷纷出发。 苍耳妈妈有个好办法，她给孩子穿上带刺的铠甲。 只要挂住动物的皮毛，孩子们就能去田野、山洼。 豌豆妈妈更有办法，她让豆荚晒在太阳底下， 啪的一声，豆荚炸开，孩子们就蹦着跳着离开妈妈。 植物妈妈的办法很多很多，不信你就仔细观察。 那里有许许多多的知识，粗心的小朋友却得不到它。 2、梅花 （宋）王安石 墙角数枝梅，凌寒独自开。遥知不是雪，为有暗香来。 3、《场景歌》 一只海鸥，一片沙滩。一艘军舰，一条帆船。 一方鱼塘，一块稻田。一行垂柳，一座花园。 一道小溪，一孔石桥。一丛翠竹，一群飞鸟。 一面队旗，一把铜号。一队“红领巾”，一片欢笑。 4、《树之歌》 杨树高，榕树壮，梧桐树叶像手掌。枫树秋天叶儿红，松柏四季披绿装。木棉喜暖在南方，桦树耐寒守北疆。银杏水杉活化石，金桂开花满院香。十年树木，百年树人。树高百尺，叶落归根。树无根不长。人无志不立。 5、《拍手歌》 你拍一，我拍一，动物世界很新奇。你拍二，我拍二，孔雀锦鸡是伙伴。你拍三，我拍三，雄鹰飞翔云彩间。你拍四，我拍四，天空雁群会写字。你拍五，我拍五，丛林深处有猛虎。你拍六，我拍六，黄鹂百灵唱不休。你拍七，我拍七，竹林熊猫在嬉戏。你拍八，我拍八，大小动物都有家。
你拍九，我拍九，人和动物是朋友。你拍十，我拍十，保护动物是大事。 6、《田家四季歌》 春季里，春风吹，花开草长蝴蝶飞。麦苗儿多嫩，桑叶儿正肥。 夏季里，农事忙，采了蚕桑又插秧。早起勤耕作，归来戴月光。 秋季里，稻上场，谷像黄金粒粒香，身上虽辛苦，心里喜羊羊。 冬季里，雪初晴，新制棉衣暖又轻，一年农事了，大家笑盈盈。 7、 有山皆图画，无水不文章。 一畦春韭绿，十里稻花香。 忠厚传家久，诗书继世长。 8、 小儿垂钓 （唐）胡令能 蓬头稚子学垂纶，侧坐莓苔草映身。路人借问遥招手，怕得鱼惊不应人。 9、《古诗二首》 登鹳雀楼 （唐）王之涣 白日依山尽，黄河入海流。欲穷千里目，更上一层楼。 望庐山瀑布 （唐）李白 日照香炉生紫烟，遥看瀑布挂前川。飞流直下三千尺，疑是银河落九天。 10、《黄山奇石》 就说"仙桃石"吧，它好像从天上飞下来的一个大桃子，落在山顶的石盘上。
二年级上册电子课本 人教版二年级数学上册 1长度单位 2100以内的加法（二）3角的初步认识 4表内乘法（一） 5观察物体（一） 6表内乘法（二） 量一量，比一比 7认识时间 8数学广角搭配（一）9总复习 人教版二年级电子课本
二年级科学下册 二年级语文下册(部编版五·四学制)二年级语文下册(旧版) 二年级语文上册(旧版) 二年级道德与法治下册(部编版) 二年级语文上册(部编版) 二年级英语上册(新起点) 二年级音乐下册(五线谱) 二年级音乐下册(简谱) 二年级科学第四册(04生活与科技)赞助商链接 二年级数学电子课本 青岛版二年级数学上册(六三制) 冀教版二年级数学下册 北京版二年级数学下册 冀教版二年级数学上册 苏教版二年级数学上册 浙教版二年级数学上册 北师大版二年级数学下册 西师大版二年级数学上册 北师大版二年级数学上册 青岛版二年级数学下册(六三制)
人教版数学电子课本 高三数学选修2－3 九年级数学下册(部编版五·四学制) 七年级数学下册(部编版五·四学制) 高二数学选修2－2 高二数学必修4 高二数学选修2－1 高二数学必修3 高一数学必修2 高一数学必修1 六年级数学上册 最新课本热门课本随机推荐古诗推荐名句推荐 〖爱情〗“春朝秋夜思君甚，愁见绣屏孤枕。”〖爱情〗“肥水东流无尽期。当初不合种相思。”〖爱情〗“今日俸钱过十万，与君营奠复营斋。”〖爱情〗“新知遭薄俗，旧好隔良缘。”〖爱情〗“春闺月，红袖不须啼。”〖爱情〗“贞女贵徇夫，舍生亦如此。”〖爱情〗“君歌杨叛儿，妾劝新丰酒。”〖爱情〗“漫向寒炉醉玉瓶，唤君同赏小窗明。”〖爱情〗“离恨又迎春，相思难重陈。”〖爱情〗“愿君采葑菲，无以下体妨。”〖爱情〗“此曲有意无人传，愿随春风寄燕然，忆君迢迢隔青天。”〖爱情〗“画船捶鼓催君去。高楼把酒留君住。”〖爱情〗“绮席象床寒玉枕，美人何处醉黄花。”〖爱情〗“君怀良不开，贱妾当何依。”〖爱情〗“还作一段相思，
人教版小学语文教材目录 人教版一年级语文上册电子课本 入学教育汉语拼音 识字（一） 1 一去二三里 2 口耳目 3 在家里 4 操场上 语文园地一有趣的游戏 课文（一） 1 画 2 四季 3 小小竹排画中 4 哪座房子最漂亮 5 爷爷和小树 语文园地二我们的画 6 静夜思 7 小小的船 8 阳光 9 影子 10 比尾巴 语文园地三这样做不好 识字（二） 1 比一比 2 自选商场 3 菜园里 4 日月明 语文园地四我会拼图 课文（二） 11 我多想去看看 12 雨点儿 13 平平搭积木 14 自己去吧 15 一次比一次有进步 语文园地五该怎么办 16 小松鼠找花生 17 雪地里的小画家 18 借生日 19 雪孩子 20 小熊住山洞 语文园地六小兔运南瓜 生字表（一）生字表（二）汉字笔画名称表人教版一年级语文下册电子课本识字1 （多彩的春天） 1 柳树醒了 2 春雨得色彩 3 邓小平爷爷植树 4 古诗两首（春晓、村居） 语文园地一 识字2 （温暖的家） 5 看电视 6 胖乎乎的小手 7 棉鞋里的阳光 8 月亮得心愿 语文园地二 识字3 （保护环境） 9 两只鸟蛋 10 松鼠和松果 11 美丽的小路 12 失物招领 语文园地三 识字4 （快乐的夏天） 13 古诗两首（所见、小池） 14 荷叶圆圆 15 夏夜多美 16 要下雨了 17 小壁虎借尾巴 语文园地四 识字5 （动脑筋想办法） 18 四个太阳 19 乌鸦喝水 20 司马光 21 称象 语文园地五 识字6 （我们的生活多么幸福） 22 吃水不忘挖井人 23 王二小 24 画家乡 25快乐的节日 语文园地六 识字7 （我们都有好品质） 26 小白兔和小灰兔 27 两只小狮子 28 小伙伴 29 手捧空花盆的孩子 语文园地七
小学二年级语文下学期辅导-部编版 2018部编版小学语文第四册课文 1.古诗诵读 村居（清）高鼎 草长莺飞二月天， 拂堤杨柳醉春烟。 儿童散学归来早， 忙趁东风放纸鸢。 咏柳 唐贺知章 碧玉妆成一树高，万条垂下绿丝绦。 不知细叶谁裁出，二月春风似剪刀。 2找春天 春天来了！春天来了！ 我们几个孩子脱掉棉袄，冲出家门，奔向田野，去寻找春天。 春天像个害羞的小姑娘，遮遮掩掩，躲躲藏藏。我们仔细地找哇，找哇。 小草从地下探出头来，那是春天的眉毛吧？ 早开的野花一朵两朵，那是春天的眼睛吧？ 树木吐出点点嫩芽，那是春天的音符吧？ 解冻的小溪叮叮咚咚，那是春天的琴声吧？ 春天来了！我们看到了她，我们听到了她，我们闻到了她，我们触到了她。她在柳枝上荡秋千，在风筝尾巴上摇哇摇；她在喜鹊、杜鹃嘴里叫，在桃花、杏花枝头笑…… ___________________
本文作者经绍珍，选作课文时有改动。 3.开满鲜花的小路 邮递员黄狗在门口喊：“鼹鼠先生，你有包裹单。” 原来，长颈鹿大叔给鼹鼠先生寄来了一个包襄。 鼹鼠先生赶紧骑着摩托车，到邮局去领包裹。他回家后打开包裹，看见一堆小颗粒，可认不出是什么东西。 鼹鼠先生拿着包裹，来到松鼠太太家。他问松鼠太太：“长颈鹿大叔寄来一个包裹，请您看看是什么东西？” 松鼠太太拿过来一看，里面空空的，什么也没有。原来，包裹破了，里面的东西不见了。看来都漏在来时的路上啦！鼹鼠先生很懊丧。 春天来了，鼹鼠先生要去松鼠太太家做客。啊，通往松鼠太太家的路，成了一条开满鲜花的小路。 鼹鼠先生路过刺猬太太家，正巧，刺猬太太走出门。看到门前开着一大片绚丽多彩的鲜花，她惊奇地说：“这是谁在我家门前种的花？多美啊！” 鼹鼠先生回答：“我不知道！” 鼹鼠先生经过狐狸太太家，正巧，狐狸太太走出门。看到门前开着一大片五颜六色的鲜花，她奇怪地问：“这是谁在我家门前种的花？真美啊！” 鼹鼠先生回答：“我不知道！” 鼹鼠先生来到松鼠太太门前。松鼠太太走出门，花香扑鼻，她看见门前的小路上花朵簇簇。小松鼠、小刺猬和小狐狸在那里快活地蹦啊跳啊。 松鼠太太对鼹鼠先生说：“我知道了，去年长颈鹿大叔寄给你的是花籽。这是多么美好的礼物啊！” 4.邓小平爷爷植树 1985年的植树节，是个令人难忘的日子。 这一天，万里无云，春风拂面。在天坛公园植树的人群里，83岁高龄的邓小平爷爷格外引人注目。只见他手握铁锹，兴致勃勃地挖着树坑，额头已经布满汗珠，仍不肯休息。 一个树坑挖好了，邓爷爷挑选了一棵茁壮的柏树苗，小心地移入树坑，又挥锹填了几锹土。他站到几步之外仔细看看，觉得不很直，连声说：“不行，不行！”又走上前把树苗扶正。 一棵绿油油的小柏树栽好了，就像战士一样笔直地站在那里。邓爷爷的脸上露出了满意的笑容。 今天，邓小平爷爷亲手栽种的柏树已经长大了，“小平树”成了天坛公园一处美丽的风景。 5.雷锋叔叔，你在哪里 沿着长长的小溪， 寻找雷锋的足迹。 雷锋叔叔，你在哪里， 你在哪里？ 小溪说：
第1课小蝌蚪找妈妈 池塘里有一群小蝌蚪,大大的脑袋,黑灰色的身子,甩着长长的尾巴,快活地游来游去。 小蝌蚪游哇游,过了几天,长出了两条后腿。她们瞧见鲤鱼妈妈在教小鲤鱼捕食,就迎上去,问:“鲤鱼阿姨,我们的妈妈在哪里?”鲤鱼妈妈说:“您们的妈妈四条腿,宽嘴巴。您们到那边去找吧!”小蝌蚪游哇游。过了几天,长出了两条前腿。她们瞧见一只乌龟摆动着四条腿在水里游,连忙追上去,叫着:“妈妈,妈妈!”乌龟笑瞧说:“我不就是您们的妈妈。您们的妈妈头顶上有两只大眼晴,披着绿衣裳。您们到那边去找吧!” 小蝌蚪游哇游。过了几天,尾巴变短了。她们游到荷花旁边,瞧见荷叶上蹲着一只大青蛙。披着碧绿的衣裳,露着雪白的肚皮,鼓着一对大眼睛。小蝌蚪游过去,叫着:“妈妈,妈妈!” 青蛙妈妈低头一瞧,笑着说:“好孩子,您们已经长成青蛙了,快跳上来吧!”她们后腿一蹬,向前一跳,蹦到了荷叶上。不知什么时候,小青蛙的尾巴已经不见了。她们跟着妈妈,天天去捉害虫。 第2课我就是什么 我会变。 太阳一晒,我就变成汽。升到天空,我又变成无数极小极小的点儿,连成一片,在空中飘浮。有时候我穿着白衣服,有时候我穿着黑衣服,早晨与傍晚我又把红袍披在身上。人们叫我“云”。我在空中越升越高,体温越来越低,变成无数小水滴。小水滴聚在一起落下来,人们叫我“雨”。有时候我变成小硬球打下来,人们就叫我“冰雹”。到了冬天,我变成小花朵飘下来,人们又叫我“雪”。平常我在池子
里睡觉,在小溪里散步,在江河里奔跑,在海洋里跳舞、唱歌、开大会。有时候我很温与,有时候我却很暴躁。我做过许多好事,灌溉田地,发动机器,帮助人们工作。我也做过许多坏事,淹没庄稼,沖毁房屋,给人们带来灾害。人们想出种种办法管住我,让我光做好事,不做坏事。 小朋友,您们猜猜,我就是什么? 第3课植物妈妈有办法 孩子如果已经长大,就得告别妈妈,四海为家。牛马有脚,鸟有翅膀,植物旅行又用什么办法? 蒲公英妈妈准备了降落伞,把它送给自己的娃娃。只要有风轻轻吹过,孩子们就乘着风纷纷出发。 苍耳妈妈有个好办法,地给孩子穿上带刺的铠甲。只要挂住动物的皮毛,孩子们就能去田野、山洼。 豌豆妈妈更有办法,地让豆荚晒在太阳底下。啪的一声,豆荚炸开,孩子们就蹦着跳着离开妈妈。 植物妈妈的办法很多很多,不信您就仔细观察。那里有许许多多的知识,粗心的小朋友却得不到它。 第4课曹冲称象 古时候有个叫曹操的人。别人送她一头大象,她很高兴,带着儿子与官员们一同去瞧。 大象又高又大,身子像一堵墙,腿像四根柱子。官员们一边瞧一边议论:“这么大的象,到底有多重呢?” 曹操问:“谁有办法把这头大象称一称?”有的说:“得造一杆大称,砍一棵
火红的枫叶 植物妈妈有办法 植zh í 已y ǐ经j īng 得d ? 为w ?i 羊y áng 脚ji ǎo 准zh ǔn 备b ai 甲ji ǎ 洼w ā 豆d ?u 炸zh à 信x ìn 粗c ū ★ 植物妈妈还有什么办法送出自己的孩子？
流动的画
小狮子 妈妈，不要送伞来
苹果落地 我的影子 精卫填海 精j īng 卫w ai 淹y ān 没m ?i 与y ǔ 投t ?u 进j ìn 填ti án 愤f an 怒n ù 答d á 孙s ūn 仍r ?ng 旧ji ù 小鸭子回家
紧j ǐn 狐h ú 狸li 躲du ǒ 保b ǎo 暗àn 楚ch ǔ 萤y íng 笼l ?ng 熟sh ú 悉x ī 额? 眉m ?i 鼻b í 齿ch ǐ 脖b ? 胳g ē 膊b ? 躯q ū 鞠j ū 躬g ōng 肝g ān 脏z āng 肠ch áng 肌j ī 肤f ū 肉r ?u 胸xi ōng 膀b ǎng 大d à腰y āo 圆yu án 耳ěr 聪c ōng 目m ù明m íng 目m ù瞪d ang 口k ǒu 呆d āi 闻w ?n 风f ēng 丧s àng 胆d ǎn 页xi ? 闻w ?n 理l ǐ 睬c ǎi 袖xi ù 顺sh ùn 聪c ōng 取q ǔ 瞄mi áo 拜b ài 拳qu án 攻g ōng 失sh ī 败b ài 采c ǎi 抄ch āo 抢qi ǎng 夺du ? 列li a 梭su ō 合h ? 费f ai 烦f án 套t ào 拼p īn 却qu a 虽su ī 弓g ōng 至zh ì 未w ai 毫h áo
人教版小学三年级下册语文电子课文 (全册\含语文园地知识) 1.燕子 一身乌黑光亮的羽毛，一对俊（jùn）俏（qiào）轻快的翅膀，加上剪刀似的尾巴，凑（còu）成了活泼机灵的小燕子。 才下过几阵蒙蒙的细雨。微风吹拂（fú）着千万条才展开带黄色的嫩叶的柳丝。青的草，绿的叶，各色鲜艳的花，都像赶集似的聚拢来，形成了光彩夺目的春天。小燕子从南方赶来，为春光增（zēnɡ）添了许多生机。 在微风中，在阳光中，燕子斜着身子在天空中掠（lǜe）过，唧（jī）唧地叫着，有的由这边的稻田上，一转眼飞到了那边的柳树下边；有的横掠过湖面，尾尖偶（ǒu）尔沾（zhān）了一下水面，就看到波纹一圈一圈地荡漾（yànɡ）开去。 几对燕子飞倦了，落在电线上。蓝蓝的天空，电杆之间连着几痕细线，多么像五线谱啊！停着的燕子成了音符，谱成了一只正待演奏的春天的赞歌。 2.古诗两首 咏（yǒnɡ）柳 贺知章 翻译： 碧玉妆①成一树高，如同碧玉妆扮成的高高的柳树， 万条垂下绿丝绦②(tāo)。长长的柳条柔嫩轻盈，像千万条绿色的丝带低垂着。不知细叶谁裁出，不知道这纤细柳叶，是谁精心裁剪出来的呢？二月春风似剪刀。就是这二月的风恰似神奇灵巧的剪刀。 注释： 妆：打扮。 绦：用丝编成的袋子。 春日 朱熹 翻译： 胜日①寻芳泗（sì）水②滨(bīn)，风和日丽游春在泗水之滨， 无边光景③一时新。无边无际的风光焕然一新。 等闲④识得东风面，随便什么地方都可以看出春天的面貌， 万紫千红总是春。春风吹得百花开放、万紫千红，到处是春天的景致。 注释： ①胜日：好日子。 ②②泗水：河流名，在山东省中部，源（yuǎn）于泗水县，流入淮（huái）河。 ③光景：风光景物。 ④等闲：随意。
部编版二年级上册语文课文必背内容汇编 第一单元 第3课植物妈妈有办法 孩子如果已经长大， 就得告别妈妈，四海为家。 牛马有脚，鸟有翅膀， 植物要旅行靠的什么办法？ 蒲公英妈妈准备了降落伞， 把它送给自己的娃娃。 只要有风轻轻吹过， 孩子们就乘着风纷纷出发。 苍耳妈妈有个好办法， 她给孩子穿上带刺的铠甲。 只要挂住动物的皮毛， 孩子们就能去田野、山洼。 豌豆妈妈更有办法， 她让豆荚晒在太阳底下， 啪的一声，豆荚炸开， 孩子们就蹦着跳着离开妈妈。 植物妈妈的办法很多很多， 不信你就仔细观察。 那里有许许多多的知识，
粗心的小朋友却得不到它。 语文园地一日积月累 梅花 [宋]王安石 墙角数枝梅，凌寒独自开。 遥知不是雪，为有暗香来。 第二单元 识字1 场景歌 一只海鸥，一片沙滩。 一艘军舰，一条帆船。 一方鱼塘，一块稻田。 一行垂柳，一座花园。 一道小溪，一孔石桥。 一丛翠竹，一群飞鸟。 一面队旗，一把铜号。 一队“红领巾”，一片欢笑。 识字2 树之歌 杨树高，榕树壮，梧桐树叶像手掌。 枫树秋天叶儿红，松柏四季披绿装。 木棉喜暖在南方，桦树耐寒守北疆。 银杏水杉活化石，金桂开花满院香。 十年树木，百年树人。
树高百尺，叶落归根。 树无根不长，人无志不立。 识字3 拍手歌你拍一，我拍一， 动物世界很新奇。 你拍二，我拍二， 孔雀锦鸡是伙伴。 你拍三，我拍三， 雄鹰飞翔云彩间。 你拍四，我拍四， 天空雁群会写字。 你拍五，我拍五， 丛林深处有猛虎。 你拍六，我拍六， 黄鹂百灵唱不休。 你拍七，我拍七， 竹林熊猫在嬉戏。 你拍八，我拍八， 大小动物都有家。 你拍九，我拍九， 人和动物是朋友。 你拍十，我拍十， 保护动物是大事。
1、《找春天》电子课文 春天来了！春天来了！ 我们几个孩子，脱掉棉袄，冲出家门，奔向田野，去寻找春天。 春天像个害羞的小姑娘，遮遮掩掩，躲躲藏藏。我们仔细地找啊，找啊。 小草从地下探出头来，那是春天的眉毛吧？ 早开的野花一朵两朵，那是春天的眼睛吧？ 树木吐出点点嫩芽，那是春天的音符吧？ 解冻的小溪丁丁冬冬，那是春天的琴声吧？ 春天来了！我们看到了她，我们听到了她，我们闻到了她，我们触到了她。她在柳枝上荡秋千，在风筝尾巴上摇啊摇；她在喜鹊、杜鹃嘴里叫，在桃花、杏花枝头笑…… 2、《古诗两首》课文原文: 古诗两首 草 白居易 离离原上草， 一岁一枯荣。
野火烧不尽， 春风吹又生。 宿新市徐公店 杨万里 篱落疏疏一径深， 树头花落未成阴。 儿童急走追黄蝶， 飞入菜花无处寻。 3、《笋芽儿》电子课文: 沙沙沙，沙沙沙。春雨姑娘在绿色的草丛中弹奏着乐曲，低声呼唤着沉睡的笋芽儿：“笋芽儿，醒醒啊，春天来啦！” 笋芽儿被叫醒了。她揉了揉眼睛，伸了伸懒腰，看看四周仍一片漆黑，撒娇地说：“是谁在叫我呀？” 轰隆隆！轰隆隆！雷公公把藏了好久的大鼓重重地敲了起来。他用粗重的嗓音呼唤着笋芽儿。 笋芽儿扭动着身子，一个劲儿地向上钻。 妈妈见了，忙给笋芽儿穿上一件又一件衣服，还不停地唠叨：“千
万别着凉。” 笋芽儿终于钻出了地面。她睁开眼睛一看，啊，多么明亮、多么美丽的世界呀！桃花笑红了脸，柳树摇着绿色是长辫子，小燕子唧唧喳喳地叫着……笋芽儿看着这儿，开展看着那儿，怎么也看不够，她高兴地说：“多美的春光啊！我要快快长大！” 春雨姑娘爱抚着她热爱着她。太阳公公照着她，温暖着她。笋芽儿脱下了一件件衣服，长城了一株健壮的竹子。她站在山冈上自豪地喊着“我长大啦！” 4、《小鹿的玫瑰花》电子课文 春天到了。小鹿在门前的花坛里，栽了一丛玫瑰。他常常去松土、浇水。玫瑰慢慢地抽出枝条，长出了嫩绿的叶子。 过了些日子，玫瑰枝头长出了许多花骨（gu）朵。小鹿和弟弟一起数了数，总共有三十二个，他们高兴极了。 花骨朵渐渐地长大了。就在快要开花的时候，小鹿不小心把脚跌伤了。他只能静静地躺在床上养病。一天，一周，一个月……小鹿终（zhong）于能下床走路了，他一瘸（que）一拐（guai）地来到门外。呀！门前的玫瑰已经长得很高了，可是浓密的绿叶中，一朵花也看不到了。 鹿弟弟惋（wan）惜地对哥哥说：“这玫瑰你白栽了，一朵花都没看着。” 这时，一只黄莺（ling）飞来了。她说：“小鹿，我见过你家那些
部编版语文二年级上册期末每课课文主题归纳 《小蝌蚪找妈妈》：本文是一篇童话故事，讲了一群天真活泼的小蝌蚪在寻找妈妈的过程中，不知不觉变成了小青蛙，并帮助妈妈捉害虫的故事。本文蕴含了从小要学会独立生活，遇事主动探索的道理。 《我是什么》：这篇科学短文以朴实而生动的语言.讲述了水的变化及其利与害。要想让水全心全意为人类服务，我们还要付出许多艰辛的努力。 《植物妈妈有办法》：课文运用拟人化的手法、亲切易懂的语言，为我们介绍了蒲公英、苍耳、豌豆传播种子的方法，让我们感受到了植物王国的神奇，激发了我们探索自然奥秘的热情。 《场景歌》：本文是一篇识字文，把一些具有代表性的事物放在一起，通过不同量词的使用，给人以想象的空间，勾勒出了一幕幕生动的场景，一幅幅美丽的画卷。 《树之歌》：课文通过儿歌的形式，让我们认识词语，并初步了解了已谢树木的特点。 《拍手歌》：课文以拍手歌的形式，描绘了些动物在自然界生活的美好画面。告诉我们地球是人类和动物共同的家园，动物与人类是朋友，我们要保护动物。
《田家四季歌》：课文对农民一年四季的农事活动进行了描写，以简练的笔墨勾画了四幅田园四季的风景图，重点介绍了农事，让我们感受到了劳动带来的快乐。 《曹冲称象》：本文通过曹冲用比官员们更好的办法称出大象重量的故事，表现了曹冲善于观察、爱动脑筋、大胆表达的品质。 《玲玲的画》：课文讲的是玲玲不小心弄脏了自己的画，在爸爸的启发下，她在弄脏的地方画了一只小花狗，使画更好了。这个故事告诉我们:只要肯动脑筋，坏事也能变成好事。 《一封信》：这篇课文写的是小女孩露西给爸爸写信的事。露西前后写了两封信:第一封信的内容很伤感，第二封信在妈妈的感染下，露西告诉爸爸，她们在家生活得很好。虽然身处异地，但一家人的心紧密地交织在一起。来源公众号小学语文微课堂 《妈妈睡了》：这篇课文以一个孩子的口吻叙述了妈妈午睡时的所见所感。作者通过生动形象的语言、描绘了睡梦中的妈妈的美丽、温柔和劳累，让我们感受到母子之间温暖的爱。 《古诗两首》：《登鹳雀楼》是首五言绝句，写了诗人登上鹤雀楼的所见所想，道出了只有站得高才能看得远的人生哲理，表现出诗人积极向上的进取精神。《望庐山瀑布)运用比喻.夸张的手法描写了庐山瀑布的雄伟壮丽，抒发了诗人对大自然的热爱之情。