吴天栋c语言教程,语言教学论文,关于教学语言的特点和要求相关参考文献资料-免费论文范文...

教学语言是教师传授知识的关键工具,其科学性、目标性、互动性和艺术性对教学效果至关重要。教师需掌握清晰、流畅、准确的语言表述,通过调整音量、语速和语调,确保学生能理解并积极参与课堂互动。教学语言的艺术性则体现在形象生动和情感表达上,有助于激发学生的学习兴趣和创造力。
摘要由CSDN通过智能技术生成

导读:本论文是一篇免费优秀的关于语言教学论文范文资料。

(北华大学 师范分院,吉林省 吉林市132013)

摘 要:教学语言是教师传授知识、实施教学的重要工具,对教学语言的拿捏程度直接影响着教学效果的优劣.教师要准确把握教学语言的特点和要求,运用富有魅力的教学语言去启迪学生的心灵,实现文化育人的目标.

关键词:教学语言;特点;要求

中图分类号:G424.1 文献标识码:A 文章编号:1671—1580(2015)12—0013—02

收稿日期:2015—04—21

作者简介:

卢杰(1977—),女,吉林省吉林市人,北华大学师范分院,副教授,硕士.研究方向:教师教育教学和汉语言文学.

doi:10.16083/j.cnki.1671-1580.2015.12.006

教学语言是我们在教学过程中经过总结提炼而形成的一种行业性用语.追根溯源,我国教育体系的雏形距今已有几千年的悠久历史,从古代的“传道授业解惑”到应试教育,乃至今天的素质教育,都有教学语言贯穿教学始终.毋庸置疑,教学语言的出现是在人类语言出现之后,通过人类教学活动的组织实施,经过慢慢发展、总结最终形成的.

语言教学与研究:全国计算机等级考试二级c语言教学视频--吴天栋老师主讲

一、教学语言的基本含义

教学语言是指教师在组织实施教学活动过程中采用的各类语言总称,是教师在教授学生知识、传授技能、培养能力过程中使用的工作语言.教学活动中,教师会使用一部分必要的教学手段,但是教学语言的使用则是毫无争议的使用频率最高、最简明的方法之一.因此,作为一名优秀的教师,良好的语言素养是不可或缺的.课堂教学过程中,教师使用语言这一媒介向学生传授知识,通过语言来架起教与学的桥梁.

二、教学语言的基本特点

教学语言受到交际的场合、时间、方式、话题等诸多因素的影响和制约,这些因素的复杂性决定了教学语言具有科学性、目标性、互动性、艺术性的基本特点.

1.科学性是知识本质的体现

教学语言的科学性主要表现在教学语言的精炼、规范、准确、和逻辑性强上.首先,教学语言的精炼就是教师在教学活动中要使用简明精炼的语言,不能含糊不清,不能使用口头语、口头禅,做到言简意赅.其次,教学语言的规范性是指教师在组织实施教学过程中尽量使用标准的普通话,力求做到发音、用语、用字规范,避免使用俚语方言、繁体字、异体字等.再次,教学语言的准确性是一切教学语言的核心,能够准确把握教学大纲要求,能够准确使用概念、判断、推理,做到传授准确无误,能够合理运用多种教学语言,提高语言使用的准确程度,努力做到简明扼要、语句清晰.最后,教学语言的逻辑性在课堂教学中要层次分明、环环相扣,做到由此及彼、由表及里、由浅入深地使学生自然而然地达到领会知识、理解知识到融会贯通知识的学习过程.

2.目标性是教学特点的体现

目标性是教学语言的另一个重要的特点,教学目标决定着教学语言具有这一特性.教学目标既是教学的出发点,又是教学的落脚点,作为指导、实施和评价教学的基本依据,它贯穿于整个课堂教学过程中,是开展课堂教学的行动指南.因为课堂教学具有较强的目的性,故而授课教师要有明晰、准确的课程目标付诸教学活动.这就要求授课教师必须使用恰到好处的教学语言使学生清晰的认识到每一节课应把握的知识点,并有针对性的预习、复习相关的课业内容,以其实现教学目标.为了教学目标的顺利实现,教师在整个教学过程中通过语言上的策略来激发学生学习的积极性,调动学生围绕教学目标而努力学习.在实现教学目标的过程中,教师应采取一系列措施引导学生朝着规定的教学目标跟进,并在实现预期的教学目标后和学生们进行课堂梳理、总结,以便学生对所学知识能够巩固提高,最终达到举一反三,触类旁通的学习效果.这样就完成了由传统模式上的“被动式”到素质教育的“主动式”转变,求知类型的转变真正实现了把课堂还给学生,这也极大地激发了学生的创造能力.

3.互动性是课堂要求的体现

教学顾名思义就是包含教师的教和学生的学两个环节.它是一种双向活动,教师准确、有效地向学生传授技艺的同时要求学生以便捷、有效的方式对相关知识进行掌握.语言是引导教学互动的最好办法,这也就决定了教学语言具有互动性的特点.教师在教学过程中选取特定的语言来循循善诱学生思考问题,让学生的思维紧跟教师的意识,让学生真正参与到课堂教学环节中.作为课堂教学中必不可少的环节,教学语言的互动性能利用师生互动,调动学生的积极性、创造性,通过在课堂上和教师互相探讨的过程,学生能够深入的学习和思考相关问题,感受并领悟到创造带来的喜悦.

4.艺术性是教师水平的体现

艺术性是教学语言的另一个重要特点.艺术性的教学语言具有形象、生动、赋有感染力和表现力的效果.影响教师教学语言艺术性的两大因素分别是形象和情感.教师的教学语言能够惟妙惟肖地描绘叙述事物,让学生能够产生相关事物的鲜明表象,能够跟随教师的言语进入到一个栩栩如生的世界,我们称为教学语言形象.教学中的情感包括对职业、对学科、学生的喜爱和情感.同时,教学语言的艺术性还表现在教学活动中由简到繁、由外到内、由难到易的言语组织.因而,我们说教师语言艺术是建立在教师个人修养、知识储备、能力视角等多方面的基础上.所以,教师要想娴熟拿捏教师语言的艺术,必须具有高尚的思想、美好的道德、严密的逻辑、浪漫的艺术等方面的综合修为.

三、教学语言的基本要求

教学语言作为一种职业用语,为了能够实现传递教学信息的基本功能,就必须符合清晰、流畅、准确的基本要求.

1.表述要清晰

清晰是指教师所用语言能够被学生说得清、听得懂、理解透.实现这一要求的技巧有两个.首先,音量适中.教师要将声音的音调和音量控制在合适的程度,使学生能听得清楚的同时耳感又倍感舒服.音量太大会刺激学生,容易使学生产生听觉疲劳,顿生厌恶之感.音量太小会影响学生,容易使学生听起来劳神费力,严重影响教学效果.所以,教师要依据教学空间大小、学生数量的多少和室外噪音影响等因素,科学掌握教学语言的响度和音量,让学生在听得清楚的同时又能听得舒服.其次,语速适度.语速的节奏应根据教学对象和教学内容的实际情况而定,要和学生对语言信息的反馈能力相同步.语速太快,会导致信息传递的频率过高,学生缺少思考反应的时间,造成接受信息不能及时消化理解,致使信息遗漏.语速太慢,单位时间内传递的信息量少,使学生昏昏欲睡、精力涣散,进而产生疲惫和厌恶的心理.教师适中的语速是每分钟250个字左右为宜.

2.语言要流畅

流畅就是教师语言的流利顺畅.实现这一要求的技巧有两个.首先,节奏富有变化.主要涵盖字调、语调的高低变化,语句的间歇停顿等.流畅通顺的语言能启发学生的心智,灵活多样的节奏差异有利于传情达意.所以,教学语言的节奏要松弛有度、跌宕起伏.其次,语调要抑扬顿挫.教师要根据教学内容的不同,恰当地运用好曲折调、上扬调、下降调、平直调等语调类型,达到语流的多层次变化,进而提升课堂教学效果.

3.用词要准确

准确是指清晰明了地传情达意.实现这一要求的技巧有两个.首先,运用规范.要能够恰当把握好词语的语体要求、感论文范文彩,使用标准规范的语言进行表达,做到叙述形象生动、比喻精巧入微、诱导亦庄亦谐.其次,表达正确.明晰动听的教学语言能够给学生留下持久的印象,这些语言会在学生的感知中留下深刻的烙印,活跃学生的形象思维,故而教师要区别对待不同年龄段的学生,合理而精准地选择用语,并且要准确地表达出来.

作为一名优秀的教师,既要有深邃的思想、渊博的知识和娴熟的教学方法,又要掌握教学语言的特点和要求.教师要运用教学语言的魅力对学生产生震撼力、吸引力和感染力,营造良好的育人氛围,引导他们遨游在知识的海洋中,体验收获的喜悦.

[参考文献]

[1]王芳.小学语文教学语言特点新探[J].淄博师专学报,2011(02).

[2]高丽.试析小学语文的教学语言特点[J].新课程学习,2013(03).

[3]顾成军.浅议初中语文教学语言的特点[N].四川科技报,2014-05-23.

语言教学范文

语言教学与研究参考文献总结:

关于语言教学方面的的相关大学硕士和相关本科毕业论文以及相关语言教学论文开题报告范文和职称论文写作参考文献资料下载。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 、资源5来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 、资源5来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。、 5资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
【4层】办公楼全套设计(2400平左右,含计算书,施工组织设计,横道图,平面布置图,建筑图,+结构图) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值