随着计算机技术，特别是数据库技术的发展，在各行业数据库中积累了大量的数据。如何发现隐含在这些数据中的规则和知识，并辅助决策，成了要解决的问题。数据挖掘技术的出现和发展为此提供了有力的支持。数据挖掘就是从大量的、不完备的数据中，提取出事先未知的、但具有价值的信息和知识的过程。 关联规则挖掘是数据挖掘的一个重要研究分支，主要用于发现数据集中项之间的相关联系。由于关联规则形式简洁、易于解释和理解并可以有效地捕捉数据间的重要关系，从大型数据库中挖掘关联规则问题己成为数据挖掘中最成熟、最重要、最活跃的研究内容。 教学评价依据一定的教学目标与教学规范，对教学活动以及教学成果给予价值判断。教学评价首先应该根据教学效果，确立教学优秀的质量标准体系，进而建立一套分类判定标准，其次应该能够发现评价标准和结果之间的规律，便于改进现有教学环节或过程中的不足之处。数据挖掘是一种决策支持过程，是深层次的数据信息分析方法，将数据挖掘技术应用于对教学的评价无疑是非常有益的，它可以全面地分析测试评价结果与各种因素之间隐藏的内在联系，通过数据挖掘分析，其评价结果能给教学带来前所未有的收获。 本文首先对数据挖掘作了讨论，包括数据挖掘的概念、数据挖掘的过程和数据挖掘的任务等。然后，对关联规则挖掘算法做了深入的研究，分析了关联规则中经典的Apriori算法，指出了挖掘中的关键步骤及该算法的不足。并针对Apriori算法的不足，提出了对Apriori耐算法进行了改进，使得寻找频繁项集的工作得以分布化，并行化。最后将关联规则数据挖掘的方法运用到教学评价中，从教学评价数据中进行数据挖掘。找到教学效果与教师基本情况的关系，为教师提供有价值的参考，帮助教学部门进行决策，从而更好地开展教学工作，提高教学质量。