数据仓库和数据挖掘是数据库研究、开发和应用最活跃的分支之一，也是决策支持系统的关键因素。数据仓库是一个支持管理决策过程的、面向主题的、随时间而变的数据集合，它是集成的，也是稳定的。数据挖掘是采用人工智能的方法对数据库和数据仓库中的数据进行分析、获取知识的过程。它们的结合能更好地为决策分析系统提供有力的依据。 纵观以往的教学评测系统，缺乏综合分析、辅助决策的能力，并且对其历史积累的海量信息中隐藏知识的利用无能为力。而教学评测支持原型系统是教学评估的重要手段，采用先进技术对教学选课系统产生的数据进行多层次、多角度的分析，利用分析结果辅助教学决策是保证教学质量、提高教学素质的必然要求。 本文从数据挖掘技术的研究入手，深入研究了关联规则数据挖掘，并在此基础上，对经典的关联规则的挖掘算法Apriori算法进行分析，指出其不足之处，提出了新的改进算法。改进的Apriori算法利用候选集Ck来对数据库进行筛选，减少项集在数据库中遍历的记录数，从而提高了算法的效率。论文着重阐述了教师测评模块的设计与实现，并将改进的Apriori算法应用到教师测评模块挖掘关联规则，为管理人员提供决策支持。