数据挖掘是从数据中提取人们感兴趣的、潜在的、可用的知识,并表示成用户可理解的形式。关联规则挖掘是数据挖掘中最活跃的研究方向之一,它反映了大量数据中项目之间有趣的相关联系。决策树算法是数据挖掘常用的方法之一,决策树方法提供了一种展示类似在什么条件下会得到什么值这类规则的方法。本文试图将决策树和关联规则用于构建高校教学评价系统,以期挖掘出教师信息与教学效果之间的关系,为教学评价方法提供决策依据。本文首先对数据挖掘的基本知识作以简要综述,着重介绍了其中的决策树方法和经典的关联规则挖掘算法。针对大量的教师信息数据库,利用决策树方法建立教学评价的预测模型,以“相对支持度”作为依据,对决策树进行了剪枝,从而对样本数据进行了分类。以教学评价数据为基础,运用关联规则挖掘的方法,通过对比不同离散化方式,在不同支持度和置信度阈值下,对关联挖掘结果进行优化,找到教学效果与教师基本情况的关系,对预测模型进行了验证,从而为更好地开展教学工作、提高教学质量提供参考依据。