中共中央、国务院于2020年10月印发的《深化新时代教育评价改革总体方案》中提到“坚持科学有效,改进结果评价,强化过程评价,探索增值评价,健全综合评价,充分利用信息技术,提高教育评价的科学性、专业性、客观性。”,充分说明改革教学评价体系是建设新时代高等院校高质量教学发展的关键。提高教学评价体系的科学性、准确性是目前亟需解决的重要课题。本文的研究旨在利用高校学生评教数据和数据挖掘中的相关算法实现评教指标体系的重构,以期建立更科学、更合理、更精准的教学质量评价体系,为高等教育的高质量发展提供服务。本文以某高校评估中心提供的151,636条评教数据为研究数据,主要的研究内容包括:（1）基于深度学习的学生评价文本情感分析。本文提出了一种基于深度学习的CNN-Bi LSTM-CA-SA模型进行学生评价文本的情感分析。该模型在现有的CNN-Bi LSTM模型上引入双层注意力机制,在CNN模块中引入通道注意力机制（Channel Attention,CA）,在Bi LSTM模块中引入时序注意力机制（Sequence Attention,SA）,以更好的捕获评教文本中的词信息,增强对预测结果有重要作用的特征向量,抑制对模型结果关联不大的特征向量,从而提升模型的精度和性能。实验结果表明本文提出的模型与CNN-Bi LSTM模型相比,提高了模型分类的准确率,且精确度和灵敏度均有所提高。（2）基于决策树的教学评价指标筛选。本文基于情感等级标注后的数据集,构建决策树来进行评价指标的筛选,从学生的角度重构教学评价指标。其中,本文针对评教数据的特点,设计了K-means++＿C4.5决策树模型,较好的解决了C4.5模型在处理较多连续型数值时存在计算复杂、耗时过长的问题。（3）基于GT-AHP-CRITIC模型的评价指标权重设计。针对传统指标体系存在权重相同,无法体现指标重要性差异的问题,本文提出了一种基于博弈论的主、客观组合赋权模型对各指标进行赋权。该模型使用层次分析法（Analytic Hierarchy Process,AHP）对收集的教师和专家的意见进行指标权重的计算,再根据评价指标的对比强度和指标间的冲突性使用CRITIC法综合衡量指标的客观权重,最后基于博弈论（Game Theory,GT）构建了GT-AHP-CRITIC组合赋权的评价模型,为高校教学评价指标的权重设计提供了参考。