目前,国内众多高校利用信息技术提高管理水平,其校园内部运行着各种系统和数据库,如教务信息管理系统、就业信息管理系统等。长时间的系统运行积累了大量数据,但由于缺乏信息意识和技术,管理人员只能通过简单的统计或排序等功能获得表面的信息,隐藏在这些数据中的信息一直没有得到进一步的挖掘利用。本文试图将决策树和关联规则用于构建高校教学评价系统,以期挖掘出教师个体因素、教学运转环节因素与教学效果之间的关系,为教学评价方法提供决策依据。本文充分考虑了影响教学质量的多个环节,即教师主观因素(职称、学历、年龄、性别、教学方法与手段等)和客观环境(课程性质、课程类别、选课人数、教师周承担课时总量等)相结合,对相关因素进行了综合分析。本文首先对数据挖掘的基本知识作以简要综述,着重介绍了其中的决策树方法和经典的关联规则挖掘算法,并简要介绍了微软商业智能分析工具(Microsoft SQL Server 2005 Analysis Services)。以某高校2009～2010学年的教学评价数据为实例,使用微软商业智能工具,完整地实现了数据挖掘的全过程,包括采用数据清理、数据转换、数据集成等数据预处理技术；利用决策树方法建立教学评价的预测模型,通过计算所有的属性信息增益,找到决策树节点,建立决策树,通过优化决策树算法参数,提取出有效关联规则。以教学评价数据为基础,运用关联规则挖掘的方法,首先分析了各输入属性与评价结果之间的关联关系,然后对每个输入属性与评价结果单独进行了关联分析,找出了频繁项集,并通过设置支持度阈值和置信度阈值,找出了满足一定支持度和置信度的频繁项集,以对决策树算法产生的规则作验证对比,找到影响教学效果的关键因素；论文结论部分对实验结果进行了详细的分析,找出了存在的主要问题,并提出了改进教学质量的有关措施,从而为更好地开展教学工作、提高教学质量提供参考依据。