自20世纪50年代教育评价作为一种专业活动产生以来,教育评价的功能不断从教学和课程领域向外扩展,逐渐成为教育管理的重要手段。目前,世界各国均把教育评价作为核定教育机构办学效能、评定个人工作绩效、改进教育政策方案、改善管理体制的效能、促进教育质量不断提高的必要手段。近年来,随着各种网络平台技术的出现,各大高校相继都建立了具有各自特点的教务管理信息系统,这些系统每天都要操作和处理大量事务性的数据信息,却缺少利用数据信息进行综合分析和教育评价,最终决策支持于教务管理的能力。因此,建立一套用于教育评价的决策支持系统,对于提高教育质量、促进教育发展具有很重要的现实意义。同时,数据仓库(DW)和联机分析处理(OLAP)技术的诞生带来了信息系统领域体系结构的革命,也带来了管理决策智能化的时代,这为建立综合决策支持系统提供了技术保障。本文首先介绍了数据仓库和数据挖掘的相关概念,探讨了数据挖掘技术及其挖掘算法,重点研究决策树方法及其改进算法、关联规则挖掘算法及其改进算法,以及它们在教学质量评估系统中的应用。通过对安徽理工大学本科生的评教数据和部分教师的档案数据进行数据挖掘,利用关联规则挖掘算法挖掘影响教学质量的关键因素,并对挖掘结果进行了分析,验证其有效性。本文结合教学质量评估中的实际数据,研究分析了决策树方法中ID3算法的实现过程。对于关联规则挖掘算法中的经典算法--Apriori算法进行了详细描述,并进行了改进,且给出了全部伪代码。结合参考文献给出的生成关联规则的方法以及由频繁k-1项集生成候选k项集的方法,提出了首先生成规则的前件再去找出规则的后件、从而生成相应的关联规则的算法,并在教学质量评估数据挖掘模块中成功实现了该算法。本文提出了基于SQL Server的两种数据挖掘的解决方案,接着给出了教学质量评估数据挖掘系统在安徽理工大学的实现方法。最后还提出了通过教育网在全国各高校中实现教学质量评估的可行性,从此老百姓就可以根据教育部公布的高校教学质量数据“一目了然”的评判各高校的好坏。文章最后对本文完成的工作进行了总结,指出了设计和实现中的不足,并指出了下一步的工作内容。