本文探讨了高校教学评价指标的选择，建立和求解有关教学评价的决策树模型，并开展了挖掘结论的具体应用。教师的教学质量评价，是学校全面提高教学质量，有效调节教学行为的一项有效措施。本文针对教学评价，建立数据挖掘系统，希望从大量的教学数据中找出对提高教学质量有帮助的信息与知识，并将其应用到实际中。构建指标体系是进行教学评价的基础和依据，本文利用AHP方法对教师教学评价体系模型进行科学分析，最终明确了评估指标：教学态度、教学内容、教学方法，作为选择挖掘库中教学信息属性的依据，从而减少了挖掘库属性；一方面提高了挖掘效率，另一方面避免因挖掘字段过多，导致建立的决策树过大，出现过度拟合挖掘对象的现象。分析了数据挖掘的常用算法的优缺点：决策树算法描述简单、分类速度快，适合大规模的数据处理；聚类算法存在量化尺度的问题一一划分太粗糙或划分太细致，对于教学评价来说，划分太粗就得不到一个合理的分类，划分太细会导致样本过度拟合；Apriori算法当事务数据库中的事务个数很大时，扫描数据库的开销将变得很大；遗传算法仍存在收敛问题；由于高校人数多、课程量大，教学评价工作量度大，本系统需要对大量的数据进行处理，需要性能良好的算法，因此决定采用决策树算法来进行挖掘。根据决策树中的C4.5算法，建立教学评价数据挖掘模型：先构造教学评价决策树，接着用后剪枝方法对决策树剪枝，然后提取相应的规则，创建知识库。教学内容等连续性属性离散化处理时，分界点的取值通过系统建树后调试确定的，为9.0和9.6。接着，利用VB语言将此模型程序化，开发了具有五大功能模块——系统登陆模块、数据管理模块、教学评价挖掘模块、用户管理模块、数据库管理模块的教学评价数据挖掘系统。为了系统安全与保密，系统进行了安全性的设计，并通过导出步骤应用到实际中去。本系统选择了河海大学土木院、商学院和公管院等三个院系作为数据的来源，通过对数据进行预处理与分析，挖掘出了16条规则。然后对规则进行有效性测试：其中四条规则因测试集中无相关数据，无法判断其有效性；规则4、12、14的正确率因未达到规定的阈值而无效；其余11条规则的正确性都在80％以上，通过加权得到系统挖掘结果的整体正确率为93.33％，说明挖掘结果合理，系统性能良好。最后，讨论了挖掘结论在人事部门招聘的辅助决策的作用和挖掘规则对提高教学水平的可能途径。