教学工作是学校的中心工作，教师教学质量评估是教学管理的重要环节，是提高高校整体教学质量和办学效益的重要手段。随着高校规模的迅速扩大和教育体制的不断改革，教学评估工作中的问题已逐渐显露，工作量大大增加，其复杂性也越来越大，评估结果的公平、公正等等。这使得高校教学管理工作的信息化势在必行，从而减少教师教学质量评估和管理的工作量，实现教学质量评估的高效化、智能化。本学位论文以延边大学教师评估数据为基础，结合神经网络发展特点，基于协同训练神经网络技术提出了智能化教师评估系统的设计方案，使教师评估数据达到最优的结果，从而提高教师评估结果的科学性、有效性。　　本学位论文对协同训练神经网络在教师评估科学性和有效性问题中的应用进行了研究，针对目前BP神经网络在教师评估中处理样本集比较少时，遇到收敛困难的问题，在分析当前神经网络半监督学习技术发展的基础上，把协同训练神经网络算法应用到教师评估问题中。首先，选择了一定的教师评估数据，按照特征提取的一般性原则对这些数据进行了特征提取，并对数据进行量化处理，并建立3个独立的BP神经网络模型对部分数据进行训练；其次，通过3个训练完的BP神经网络用协同训练的方式对训练集进行训练，通过竞争筛选机制，使得学习性能较好的训练个体能有效地在神经网络群中迁移，以获得较多的资源进行学习；最后，通过实验得出协同训练神经网络在样本集比较少的情况下明显优于BP神经网络的结论。　　经过实验论证，本学位论文较好地解决了教师评估复杂性、效率性的问题，从应用角度进一步验证了在解决教师评估系统应用领域问题时，协同训练神经网络方法的优势，并为以后教师评估的智能化管理进行了有益的技术性探索。