“数据驱动学校,分析变革教育”的大数据时代已经来临,利用教育数据挖掘技术和学习分析技术,构建教育领域相关模型,探索教育变量之间的相关关系,为教育教学决策提供有效支持,将成为未来教育的发展趋势。课堂教学质量评价是教学质量评估的重要内容,教学评价是教学活动中不可缺少的环节。现有的教学评价结果大多采用一种定量评价方法,该方法通过量化计算分析,部分的反映了教学状况,但很难直接看出这些数据之间是否还隐含着更有价值的规律,也就很难为教学管理者的决策提供更有效的支持。本文结合教学评价数据,研究相应的知识发现方法,从教学评价数据中挖掘隐藏的知识,给教学管理工作者管理教学和教师授课提供意见。主要的工作内容有:(1)教学评价数据的数据分析和预处理。完成了教学评价数据的数据梳理工作,分析了教学评价数据的数据结构,构建了教学评价数据相关表的关系结构图;完成了数据的的初步统计分析和数据预处理工作,完成了对教学相关表的数据统计工作,根据确定的挖掘目标选取实验数据并完成了数据的清洗、集成、变换和规范化,通过对数据进行预处理,将数据处理成挖掘所需的数据格式。(2)教学评价数据的离群点检测算法研究。本文分析了现有的分类型属性离群点检测算法的优缺点,及其应用于教学评价数据上的不适应性,提出了一种教学评价数据的离群点检测算法,并将此算法应用于真实教学评价数据,检测教学评价数据中的噪声数据将其分离至单独的数据表中。实验表明算法具有较高的效率和准确率。(3)教学评价数据的关联规则挖掘算法研究。研究了一种高效的教学评价数据关联规则挖掘算法,以发现教学因素间有哪些联系,从而给教师的教学,和教学管理者的教学管理工作提供建议。本文分析了经典Apriori算法的不足,并分析了现有的基于压缩矩阵的关联规则挖掘算法用于多值分类型数据时的不适用性,提出了一个新的多值分类型属性关联规则挖掘算法。实验表明,算法可以有效的避免无效候选项集的产生,减少了不必要的连接操作,提高了挖掘效率。