高校评教是高校教育教学管理工作的重要组成部分,是对教学活动过程进行考察的有效途径,它不仅对教学起着调节、指导、控制和推动作用,而且是评价教师教学工作成果的重要手段。目前,高校评教一般由学校教务处在期末将评分结果或考核等级反馈给代课教师。这种评教方法对于教学改革和教学质量的提高起到了一定的作用,但是这种方法并未给教师提出需要在哪些方面进行改进,而且学校也无法从大量的评教数据中发现评教结果中隐藏的规则。决策树分类是数据挖掘中一种经常要用到的技术,它有分类速度快、效率高的特点,不但用于分析数据,而且也用来作预测,但是当数据集中的属性比较多时,决策树分类容易出现结构性差,难以发现有用的规则信息。粗糙集是处理各种不完备信息的有效工具,在消除冗余信息、处理大数据集等方面具有一定的优势,广泛应用于数据挖掘中的数据预处理、属性约简等方面,但是它的分类缺乏交互验证功能,所以分类结果不稳定,精度不高,因此决策树和粗糙集具有很强的优势互补性。本文将粗糙集理论与决策树方法结合起来应用于高校评教。首先,利用粗糙集对评教指标进行属性约简,删除评教表中的冗余指标；其次,对删除后的评教表进行决策树的构建,如何构建决策树本文提出一种基于属性重要性的决策树构造算法,该算法通过计算属性相对于划分的重要度来递归构造决策树；然后用该算法对评教表进行决策树的构建,形成决策规则；最后对形成的规则进行解释,并最终指导教师的教学工作。