当今社会如何提高教学质量已经成为教育事业的重中之重。目前高校中和教学质量紧密相关的就是教师的教学评教,但是许多高校的教师评价体系都是通过评教指标的加权求和计算评教总分,并把此结果作为教师职称评选和奖励的主要依据。这种评教方式只能定量的表现教师的评教结果,不能对教师评教结果进行定性的分析,这对教学质量的提高不能提供一些详细和针对性的指导意见。随着计算机技术的发展,数据挖掘技术已经是处理数据潜在关系的一门成熟技术,其应用的领域也相当广阔。本文对粗糙集和层次分析法进行了介绍,从两种方法入手进行评教数据指标权重的求取,针对K_medoids聚类算法进行改进,并将其应用到教师评教系统,通过对所有评教相关数据和教学评教指标信息的挖掘,综合分析影响教学质量的关键因素。首先,本文利用层次分析法和粗糙集对评教指标进行权重的设置,对设置后的权重进行评教分数的求取,并和相关课程获得的平均成绩进行比较。其次结合具体评教数据利用PLSQL对评教数据进行整合,结合评教数据自身的特征利用Weka对评教数据进行数据的转换。再次,本文对K_medoids聚类算法进行进一步的改进,分析算法改进前后的聚类效果。最后利用改进的聚类算法对评教系统进行数据挖掘分析,找出评教数据中潜在的一些数据信息,进而找出潜藏的数据内在规律,给教务管理部门提供有价值的参考意见。实验结果表明本文进行的数据挖掘分析是切实可行的,利用数据挖掘技术进行数据的分析是能够得出一些潜在的评教信息,这将使决策者进行决策时有理可依,做出的决策信息将更有针对性,具有一定的研究意义。