教学及教学质量是学校的中心工作。学校的发展与改革要以服务人才培养、服务教学为中心和目标。 数据挖掘是运用现代人工智能的方法对数据库中庞大的数据进行分析、提取有用信息的过程。数据挖掘在教学评价系统中的应用能更好地为学校有关部门提供不同层面上的决策依据。如何利用计算机充分挖掘教学数据所隐含的规律，构建与实际相符的评价方式有着重要的理论和实际意义。已有许多人以关联规则方法和基于加权平均法及成分分析法对教学评价数据进行研究，有许多成功案例，但也不可避免受到这些处理方法本身弱点的限制。 本文主要探讨数据挖掘技术的基本理论和实施方法，探索粗糙集及关联规则等数据挖掘算法在教学评价中的应用。在教学评价方面，以高校的课堂教学质量评价系统为突破，采用偏序关系全序化的粗糙集方法得到对象之间的排序，揭示教学评价数据中存在的相互关系。本文首先从决策分析需求出发构建教学评价系统的数据；接着对数据进行预处理，使数据更适合教学评价系统的数据挖掘。最后以专家评价结果为依据，比较偏序排序方法与加权排序方法的不同之处，找出更接近专家评价结论的排序方法。在充分挖掘数据中隐含知识方面，对比基于优势关系进行决策规则挖掘与传统的关联规则挖掘方法的不同，找出更全面的规则挖掘方法。并得到各种有价值的信息，为学校的教学管理和决策提供参考。 这些信息在帮助教师更好地进行教学改进，帮助学校对学生更好的培养，对学生表现情况的全面掌握以及课程的安排等方面无疑具有重要的指导意义。