数据挖掘技术作为一种发现知识的工具,其技术日趋成熟,关联规则是数据挖掘的常用模式,通过描述数据库中数据项之间所存在的潜在的联系,找出满足给定支持度和置信度阈值的多个域之间的依赖关系。将可拓学和关联规则结合形成可拓关联规则算法,着眼于用可拓学的理论和方法去挖掘现实生活中与矛盾问题相关的规则。教学评价是教育系统的一个重要环节,建立有效的教学评价模型是进行评价的前提。随着高校教育信息化系统的不断完善,教育信息量呈现急剧增长趋势,如果借助数据挖掘技术去发现教育数据中的潜在规律或模式,继而为教学评价服务,这将是教学评价研究中的一个新亮点。本文将可拓学思想和关联规则相结合,提出了可拓关联规则挖掘算法,并将其成功用于课程评价信息挖掘中,旨在挖掘出能客观反应教学发展规律和趋势的数据,从而更好地指导教学工作。论文主要从以下三个方面进行研究：一、将可拓学与关联规则结合,建立基于可拓学的物元模型。利用物元的表达方式能体现一个信息元与另一个信息元的属性之间的隶属程度,避免了传统关系表示中只有特征的描述而没有特征属性的描述,从而使挖掘得到的关联规则简单易懂。二、对可拓关联规则算法的改进。在Apriori算法的基础上,引入物元的相关性,对量化的关联规则挖掘提供了理论依据。在挖掘过程中,对事物数据集的样本进行了优化组合,通过对数据集的计数、删除操作,减少了数据的计算量,从而提高了关联规则的挖掘效率三、将可拓关联规则挖掘技术应用于教学质量评价中。将课程评价信息用物元的模型表示,利用评价特征间的相关性,对影响课程的各个评价信息进行可拓关联规则挖掘,得到了一些有用的规则。