考研数学最迟什么时候要结束强化?10月才做真题是不是晚了?

news2024/12/26 3:50:23

已经快9月了,很多同学的考研数学的强化也接近尾声,这个时候要注意两个事情:

1、如果你还有很多没学完,不要强行收尾,稳扎稳打的把强化给结束了。

2、强化结束之前,要清理完所有在强化阶段产生的错题,这些错题不要留到冲刺阶段。

问题1:现在快9月了,强化还有很多内容没有学完怎么办?

如果还有很多内容没有学完,一定不要急着收尾,因为可能会漏掉很多重要的内容。

我告诉一个方法,不仅可以快速把所有的知识点补齐,而且还可以偷懒!

知能行考研数学,把考研数学做题水平分为5个等级,每个等级都对应着不同的做题能力。

大多数同学,如果按照传统的复习方法,强化做完660/880/1000题,做题能力大概在知能行的等级2-3,这个时候还没有达到1000题强化篇(历年真题)的水平。

也就是说,这个时候去做真题,是不明智的,知识框架中还存在一些隐藏的薄弱点和断点。所以,我建议大家二刷错题,把强化阶段的所有错题都给吃透。

知能行等级1,会把所有的知识点都拆开,一口一口的喂给我们。他的知能算法,可以扫描出知识框架中的薄弱点:

找到薄弱点之后,再循序渐进的出题帮助我们吃透薄弱点。一个一个薄弱点的攻克,进步非常的快!

如果你现在强化已经结束了,不知道自己的复习情况怎么样,可以用知能行测试扫描一下,看看有没有薄弱点,如果每个章节都可以正常通关,那么恭喜你,你强化复习的很好,可以开始做真题了!

知能行考研数学知能行考研数学通过大数据分析历年真题的考点难点,为每位考生选择快速提高的突破口。知能行基于机器学习追踪考生知识点的掌握情况,测练合一从而达到高效备考icon-default.png?t=N7T8https://bestzixue.com/?app_referrer_id=WBH~atczwc-10qhlate-0826-editor_chengzz

如果你无法正常通关,说明强化复习的还有问题,赶快补齐!

问题2:已经刷完一遍660/880/1000,是二刷错题还是用知能行补齐知识点更快?

如果你已经做完了一遍,660/880/1000题,接下来要做什么需要分情况:

如果你一刷660/880/1000的正确率达到80%以上,那么说明你的能力等级已经达到了等级3满,接下来只需要把错题给吃透,就可以去做真题了。无需再刷知能行。

但是如果你一刷660/880/1000题的正确率仅仅只有60%或者更低,那么用知能行更省时间。为什么呢?

因为知能行的知能算法会快速扫描你的薄弱点,根据薄弱点出题,提高非常的快,一刷正确率低的同学,其实是不知道怎么正确处理错题的,往往就是看看答案,把答案看会。但是:

把答案看会不等于会做题!

知能行会将错题分解成简单的题目,然后把每个小步骤都教会你,形成肌肉记忆。然后再增加一点一点的增加题目的综合度,用知能行刷题往往就是在不知不觉中就学会了做难题。

先把知能行的等级1刷满,这个时候,你的基础就没有任何问题了!

等级2,知能行会出综合题和难题,同时还会不断的扫描薄弱点,避免已经学会的知识点忘记。

知能行的训练并不是660/880/1000那样以章节的形式出题,而是以结果为导向,针对一种考法或者围绕一个薄弱点出题:

如果把所有的章节等级2都刷满,那么这个时候一刷660/880/1000题基础篇的正确率就可以达到80%!达到这个效果的速度可能会出乎你的意料:平均8-12小时等级2满格,任选一本习题册检验,看一刷正确率是否在80-90%以上。

可以放心检验,知能行的刷题效果是经的住检验的。如果你本身已经有不错的做题基础,刷满等级2的时间会更短,可能只需要4个小时,因为知能行会自动帮你跳过已经会做的知识点,等级会涨的很快。

下一个目标,等级3满,这个能力条刷满,你的做题能力就达到了往年真题的水平,一刷660/880/1000的正确率,可以达到80%以上。

然后再根据知能行「AI猜」,一周刷完一本习题册(660/880/1000)

这是针对个人的带刷计划,知能行打✅的题目,可以先跳过不做,打❓的题目可以做一下试试,打❎的题目,也可以先不做,这类题目能力还没有达到,做了就浪费了题目,可以先用知能行继续扫描薄弱点,针对性的补齐。

问题3:已经做了660/880/1000,再去做知能行会不会浪费很多时间?

并不会,知能行的智能算法,会快速扫描你的薄弱低点,只会训练薄弱点,如果检测到一个知识点你已经掌握的很好,这一块知识点涉及到的等级就会涨的很快,这样做的目的,就是把时间花在刀刃上,精准突破。

不做无用功!你想想,你自己做题,正确率很低,这就说明存在很多薄弱点,如果还是继续盲目做题,那后面依旧还是老样子,不会有什么太大的提高。

总之,学习要有目的学习,盲目的学习,只会增加盲目的自信!

加油,你一定能够上岸!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2076624.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Kafka日志及常见问题

目录 1.Topic下的消息是如何存储的 1.1log文件追加记录所有消息 1.2index和timeindex加速读取日志信息 2.文件清理机制 2.1如何判断哪些日志文件过期了 2.2日志清理策略 3.Kafka的文件高效读写机制 3.1Kafka的文件结构 3.2顺序写磁盘 3.3零拷贝 3.3.1传统IO 3.3.2m…

应用层与传输层

1.应用层 很多时候这一层的协议是程序员自定义的应用层协议(相当于一种约定,约定数据如何进行传输)。 eg: 实现登录的场景: 此时前端就需要与后端约定请求(假设约定使用ajax请求)中的一些参…

接口自动化测试面试题目详解

1、get和post区别是什么? 答:POST和GET都是向服务器提交数据,并且都会从服务器获取数据。 区别: (1)传送方式:get通过地址栏传输,post通过报文传输 (2)传…

c语言 自定义类型--枚举 、联合 #枚举类型的定义 #枚举的优点 #枚举的使用 #联合类型的定义 #联合的特点 #联合大小的计算

文章目录 前言 一、枚举 (一)、枚举类型的定义 (二)、枚举的优点 (三)、枚举的使用 二、联合 (一)、联合类型的定义 (二)、联合的特点 (三)、联合大小的计算 总结 前言 路漫漫其修远兮,吾将上下而求索。 枚举、联合跟结构体很像,想要细致地了…

基于SpringBoot+Vue+uniapp的“村游网”系统的微信小程序开发的详细设计和实现(源码+lw+部署文档+讲解等)

文章目录 前言详细视频演示具体实现截图技术栈后端框架SpringBoot前端框架Vue持久层框架MyBaitsPlus 系统测试系统测试目的系统功能测试系统测试结论 为什么选择我代码参考数据库参考源码获取源码获取 前言 🌞博主介绍 :✌全网粉丝15W,CSDN特邀作者、21…

基于状态机实现WIFI模组物联网

1.0 状态机框架原理 如果成功的话就连接热点,如果失败就返回AT通信检查,如果AT通信检查还是失败就放回硬件复位这个状态,如果热点链接成功,就连接MQTT指令,如果失败就返回AT通信检查,如果成功就连接云平台通…

跟着B站前端面试总结回顾前端基础知识(一)

组件划分标准 组件划分_哔哩哔哩_bilibili 在前端Vue开发中,组件的划分是构建高效、可维护应用的关键步骤。Vue组件的划分标准通常基于多个方面的考虑,包括但不限于功能独立性、复用性、可维护性和可扩展性。以下是一些Vue组件划分的标准: …

破解历史合同“旧题” 答好集体经济“新篇”

——汕头市龙湖区:全面推进乡村振兴战略 实现农村集体经济新飞跃 农村集体资产资源是乡村赖以生存的家底,也是村集体经济发展壮大、更好推动乡村振兴战略加力提速的承载。自2023年10月开始,在汕头市龙湖区的广袤乡村上,一场关于村…

图解搜索算法(BFS、DFS、Dijstra算法、KSP算法、A*算法)

文章目录 深度优先搜索算法广度优先搜索算法Dijkstra算法KSP算法A*算法 由于在工作中用到了BFS算法、DFS算法、Dijkstra算法、KSP算法,因此将上述算法的工作原理记录一下,同时用图解的方式解释相应的算法。A*算法由于本文在工作中,还没用过&a…

深度学习语义分割篇——LR-ASPP原理详解+源码实战

🍊作者简介:秃头小苏,致力于用最通俗的语言描述问题 🍊专栏推荐:深度学习网络原理与实战 🍊近期目标:写好专栏的每一篇文章 🍊支持小苏:点赞👍🏼、…

简单使用富有创造力的DALL·E 3 图像生成器——OpenAI Images Generations API

OpenAI Images Generations API 申请及使用 DALL-E 3 是 OpenAI 开发的两个版本的图像生成模型,它们能够根据文本描述生成高质量的图像。 本文档主要介绍 OpenAI Images Generations API 操作的使用流程,利用它我们可以轻松使用官方 OpenAI DALL-E 的图…

类和构造函数之间的继承

类之间构造函数的继承是面向对象编程中的一个重要概念,它允许一个类(子类)继承另一个类(父类)的属性和方法。通过这种方式,子类可以复用父类的代码,从而避免重复,提高代码的可维护性…

Swagger的增强knife4j

效果图 导入依赖 <!--不是导入swagger原因就是&#xff1a;knife4j对swagger增强--><dependency><groupId>com.github.xiaoymin</groupId><artifactId>knife4j-spring-boot-starter</artifactId><version>3.0.2</version><…

考研数学| 张宇线代9讲换李永乐线代讲义,强化来得及吗?

张宇线代9讲&#xff1a; 张宇老师的线代九讲和张宇老师的线代课程搭配使用&#xff0c;相对于更适合线代底子足够强的同学。整体书的题目难度较大&#xff0c;所以开始刷了之后发现不适合自己可以选择换一本习题册&#xff0c;当然如果担心时间不够还是想尽力刷下去的话可以去…

8款每天都能用到的网站和APP,值得收藏

5个网站3个APP&#xff0c;都是自己每天常用的一些工具&#xff0c;强大实用&#xff0c;能给自己省不少事&#xff0c;分享给大家~ 1、奶牛快传 https://cowtransfer.com/ 一个让你轻松上传和分享大文件的网站。跟那些需要下载app、操作复杂的服务不同&#xff0c;奶牛快传…

随机森林与线性回归

集成学习方法之随机森林 集成学习&#xff08;Ensemble Learning&#xff09;是一种通过组合多个分类器来提高预测性能的方法。主要分为三种类型:Bagging、Boosting和Stacking。以下是集成学习的基本步骤和概念&#xff1a; 1数据采样&#xff1a;从训练集中有放回地随机抽取…

前端手写源码系列(一)—— 手写防抖和节流

目录 1.实现防抖函数&#xff08;debounce&#xff09;2.实现节流函数&#xff08;throttle&#xff09;时间戳的方式&#xff1a;定时器方式&#xff1a; 3.总结 1.实现防抖函数&#xff08;debounce&#xff09; 防抖函数原理&#xff1a;把触发非常频繁的事件合并成一次去执…

修复照片,2024年好用的图片修复工具推荐

在日常中&#xff0c;我们总爱用镜头捕捉生活的每一个瞬间&#xff0c;但随着时间的推移&#xff0c;那些珍贵的记忆可能会因像素不高、保存不当等原因变得模糊不堪。这时需要将模糊的照片修复清晰成为我们迫切的需求。下面给大家分享4种2024年好用值得推荐的修复工具&#xff…

【自动化】一共获取6600多公司信息【逆向】一页15还加密。

一、【逆向】一页15还加密。 二、【自动化】一共获取6600多公司信息 三、对于两种方式我喜欢第二种自动化 from DrissionPage import ChromiumPage, ChromiumOptions import time # chrome:version co = ChromiumOptions().set_paths(browser_path=r"C:\Users\lenovo\A…

qt-19 QMainWindow窗口组件-菜单栏-工具栏

QMainWindow窗口组件-菜单栏-工具栏 showwidgetshowwidget.hshowwidget.cpp processorprocessor.hprocessor.cpp main.cpp运行图 showwidget showwidget.h #ifndef SHOWWIDGET_H #define SHOWWIDGET_H#include <QWidget> #include <QLabel> #include <QTextEd…