在高校教育中,课堂教学质量十分重要,学校培养人才的多少,高低直接取决于课堂上教学质量的高低,因此,制定了学生评价体系,这个系统能够反过来督促提高教师的教学水平。将网络与信息技术手段相结合应用到学生评价体系的完善中,是现代社会发展的趋势。现在,国内高校普遍拥有自己的教师评价体系,大学生通过网络平台,给授课老师做出评价,这些评价结果可以反映出老师和学生的关系和教师的教学状况。评价内容主要包括教学态度、教师素质与能力、教学内容、教学方法、教学效果五个方面。由于网上教学评价还存在一些问题,如胡乱评价、恶意差评、极端好评,或只是对某位教师恶意差评,对其他教师好评等,因此,如果直接对学生的评价数据进行分析和分类,可能会导致评价结果的不正确,不能发挥网上教学评价的真正作用。因此,我们应该首先对学生提交的这些数据进行分析,将学生提交的数据进行筛选。本文的数据样本是J校其中一个学院学生的教学评价结果数据。本文主要探讨如何合理利用学生提交的网络评教数据来区分教师的教学水平,从而为高校教学管理和教师改革创新提供有意义的参考,并能利用这些评价反过来指导教师改善教学方式。主要分为三个部分:一、收集学生的网络教学评价数据,清除异常数据值。由于部分学生的评价不客观、不公正,对某位老师讲述的某门课程有很强的个人看法,他们的评价与其他学生的评价会有较大的偏差。在这种情况下,我们需要去除这些不正常的数据,本文采用余弦相似度算法来去除异常数据。同时,由于有的学生总体评价高,有的学生总体评价低。为了去除这些无关因素的影响,应该对所有样本数据进行统一化处理。本文选择了典型的归一化和标准化方法:z-score法和min-max法,使评价数据具有可比性。二、对实验数据聚类。本文采用的算法是K-means聚类,我们使用它对评价数据进行聚类和分析,得到了该学院三类教师的样本,得到训练分类模型的样本数据。三、根据聚类结果,对实验数据分类。本文采用人工神经网络BP进行分类。同时结合了遗传算法优化网络权重,用聚类结果来训练网络,最终构成的一种网络模型。从最后的实验结果能看出,这个网络模型可以很好的对教师进行分类,分类器模型基本能准确预测教师的教学水平。本文以某高校的真实数据为样本进行研究,实验结果表明,L学院的学生对本学院教师的教学能力基本满意,学院整体教学运行情况比较乐观,教师的整体水平比较高。