一、研究背景 香港課程發展議會在2001年6月發表《學會學習──課程發展路向》，指出「只要符合中央課程架構的要求，學校可有彈性制定校本課程，以切合學生需要」(ii頁)。枚本課程是課程發展議會訂定的基本方向。但這只是一個發展的方向和原則，並沒有具體的操作方法。課程發展議會後來編了《學校課程發展示例》(2001年6月)，在「如何組織校本中國語文課程 (中一至中三)」中提供操作的要點 (5頁)，更建構了「中一至中三級課程單元組織不例」(6頁)，但這些示例有很多不足。因此，我們有必要合理、有序地建構校本語文課程的方法。 香港教育學院為配合課改的發展，開設「校本語文課程與教材發展」一科，以培養教師能因應實際的情況，規劃學校為本的語文科課程，本文為有關課程提供教學參考。 二、研究目的 本文主要落實教改與課改的路向，為教師規劃校本語文課程提供參考。同時，補充課程發展議會編《學校課程發展示例》(2001年6月)「中一至中三級課程單元組織示例」的不足，讓教師掌握建構校本語文課程的方法，自行設計多樣化的校本語文課程；或讓教師有能力「用」市面上的七套教材，而不再是「教」這些教材。有建構校本課程中，可以提升教師專業技能；培養教師的團隊精神；減低中央課程與學校課程的差距。 三、研究方法 根據斯基爾背克 (Skilbeck) 校本課程的理性互動模式 (rational interactive mode) 發展步驟，包括分析情境，準備目標，建構方案，解釋與實施，追蹤與重建。建構校本語文課程的組織方法焦點是放在準備目標及建構方案上。 四、理論依據 本文運用系統論、認知心理、學科論、能力結構論和課程論等觀點，科學地建構校本語文課程的方法。 五、校本語文課程的組織初探 校本課程也稱 “學校本位課程” 或 “學校自編課程”。一般來說，校本課程指聿學生所在學校的教師自行編制、實施和評價的課程。某一類學校或某一級學校的個別教師、部分教師或全部教師，根據國家制家的教育目的、目標，在分析本校外部和內部環境的基礎上，針對本校、本年級或本班級特定的學生群體，編制、實施和評價的課程。校本課程編制的依據是學生個別差異理論。校本課程，近年來在中國大陸、香港特區、臺灣地區，都引起了高度的重視。 香港大部分學校均採用課程發展議會建議的課程，教育署也鼓勵教師根據學校本身的情況和條件，將中央課程適當裁剪成校本課程。各學校教師可配合課程發展議會所編寫的課程綱要或指引，按學生的不同需要、能力及興趣，設計某些課程。 根據斯基爾背克 (Skilbeck) 校本課程的理性互動模式 (rational interactive mode) 發展步驟，本文的焦點主要放在準備目標及建構方案上。在「準備目標」方面，準備的程序包括：1. 認知心理，2. 學科論，3. 語文能力結構。在「建構方案」方面，建構的程序包括：1. 建構校本語文課程編選體系的指導思想，2. 制定能力訓練單元，3. 設計不同能力訓練型的編選體系，4. 課程理論。最後建構「讀寫結合，帶動聽說」的初中語文課程編選體系架構示例和設計單元教學、進度及課堂結構的示例。

香港的中文教學近年進行重大改革，從理念到課程，從教材到教學，都力求突破常規，回應新時代對語文素養的新要求。其中要求同時改變教學語言的呼聲，更是越叫越響。由於歷史因素，香港的中文教學一直以粵語為教學媒介，其優點在於通過母語學習，可以提高效率，但由此造成口語與書面語的落差，一直對傳統以寫作作為評估學習成果的中文教學，造成困擾。 隨著97回歸，教學誘因得到政治誘因的助力，「用普通話教學 (中文)」(Putonghua as a Medium of Instruction，下文簡稱PMI) 成了不少學校一個吸引的選項。然而，語言作為重要的教學媒介，任何改變勢將引起極大疑慮，不能輕率行事。前幾年，香港一些大學受政府委托，就相關課題進行大型研究，為一些細緻的教學策略和操作，尤其教師教學語言與學習成效的關係，都探討不多，也就不容易把種種建議落實到具體的教學裡去。因此，微觀的PMI課堂分析，對於整個「用普通話教中文」研究，顯然是不可缺少的延續和補充。 作者去年與幾位同行開展了一項相關研究，以五位經驗不同和表現各異的小學語文教師為對象 (其中兩位教師表現優異，被評為可作範式研究)，考察「用普通話教中文」的實際操作，並進行全面和細緻的分析，期望從中把各種成功要素歸納出來。研究既以課堂教學為核心，除重視觀課評量外，還通過與教師和學生訪談，結合學生的學習表現，作為論斷PMI教學效能種種具說服力的根據。 本文是整個研究的其中一環，將針對教師的語言表現，探討它與教學效能的聯繫。研究發現，成功的PMI教學，教師的語言表現呈現強烈的一致性，同時由此引起學生的學習行為反應 (包括情意和語言反應)，也異常相似。概括而言，優秀的PMI教師，都同時具備照顧者 (caretaker) 和教者 (teacher) 的語言特徵，並成功吸引學生在聆聽和回應教師話語時，高度集中，積極扮演學習者 (learner) 和運用者 (user) 的角色。 論文題目的「兩點思考」，指的就是這教師和學生的兩個思考角度。通過考察教師的語言表現和學生的學習回應，結合細緻的話語分析和相關教學策略的探討，期望為「高效的教學語言」找出具體涵義。由此而言，也為香港中文教學進行教學語言改革，思考如何重新啟動一種有效的教學互動時，提供一系列更具操作性的答案。

Data collected for accountability purposes often involve nested or hierarchical data structure. For instance, in the development of a value-added indicator system, achievement data are collected at the student-level but inferences are to be made at the school and system levels. Here, students are nested within classes, classes are nested within schools, and schools within regions. Since the late 1980s multilevel modelling has been used as a standard approach to handle such nested data structure. Research has shown that failure to apply multilevel models to nested data structure leads to wrong statistical inferences. Furthermore, much valuable information may be lost if the nested data structure is not modelled explicitly. In the last twenty years, the application of multilevel modelling has been extended to areas other than the handling of nested data structure. Multilevel modelling can now be applied for effective analysis of complicated data structures, including longitudinal data (e.g. growth trajectory), multivariate data (e.g. achievement in the four skills in the learning of English), discrete outcome data (e.g. students’ choice of entry to universities versus work), multiple membership data (e.g. the modelling of students’ mobility across schools in the estimation of the value added by schools to academic achievement), and cross-classified data structure (e.g. secondary schools taking students from a number of ‘feeder’ primary schools). The presentation will provide a non-technical introduction to multilevel modelling. Examples will be drawn from the value-added indicator system of the Hong Kong Special Administrative Region, and research on self-directed learning using the latest version of the MlwiN software package (Goldstein, 2003). Strengths and weaknesses of multilevel modelling will be discussed in the analyses of these real data.