经过十几年的发展，数据挖掘产生了许多新的概念和方法，并成功地应用到许多领域，但在教育领域中的应用却并不广泛。现有的教学评价系统通过统计报表，部分地反映了教学效果等有关情况，但难于发现隐藏在数据库中的有用知识，不能有效地对决策支持起辅助作用。 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。 为了解决教学评价分类判定标准问题，引用了属性信息熵和决策树分析方法，用于确定影响教学效果的首选质量指标，据此建立了教学效果分类评价决策树；为了发现评价标准和结果之间的规律，引入了能够自动发现教学规律的关联知识分析方法。 根据所提出的实施方案，以课堂教学评价信息和学生成绩分析为例，完整地实现了数据挖掘的全过程。采用数据集成、数据清理、数据转换、数据消减等技术预处理数据；使用ID3决策树算法生成教学效果决策树，并利用事后修剪法对决策树进行修剪；最后由决策树产生分类规则，完成了课堂教学评价分析决策树模型的建立；对学生成绩评价采用关联规则算法，使用Apriori算法挖掘关联规则，最后对规则进行描述，建立了学生成绩分析模型。 新教学评价系统采用SQLServer数据库，以VisualBasic开发环境为开发工具，以课堂教学评价数据和学生成绩为数据源，实现了具有决策树和关联分析功能的教学评价系统。