随着自动化程度的提高，使用数据挖掘技术能够从大量数据中挖掘出有价值信息并提供给决策者们参考决策。数据挖掘目前广泛应用于银行、证券、保险、电信、电子商务、市场调查、零售、生物、电力、化工、医药、军事、GIS等领域。但在教育领域涉及较少，本文对大学英语考试教学评价领域中的应用数据挖掘问题进行研究。　　 基于数据仓库的数据挖掘技术的基本理论和实施方法，本文重点探索了分类方法、聚类方法下的不同算法问题，对大学英语考试数据管理系统中的数据挖掘应用中出现的问题提出算法改进方法。改进分类方法中的决策树算法ID3、增益比率算法并应用于大学英语四级成绩分析；应用聚类方法中的k-平均算法、k-中心点算法进行学生毕业情况分析，从而实现了基于大学英语考试数据管理系统的数据挖掘形成数据挖掘系统。　　 在大学英语考试领域的数据挖掘系统中，从决策分析需求出发构建大学英语考试数据管理系统数据仓库；接着对数据进行预处理并改进概念分层方法，使概念分层更适合大学英语数据管理系统数据挖掘；而后对预处理后的数据以直方图、帕雷托图、双因素散点图、箱图、表的形式分析统计；最后利用改进的数据挖掘算法对数据进行有效挖掘。　　 在提出的改进方法中，决策树算法、聚类分析算法还可以做进一步优化研究。挖掘系统性能还有待完善。