近年来,数据挖掘技术已得到广泛的研究,并在商业、金融、医疗等领域得到成功地应用,但在教学方面的应用比较少。本论文以笔者所工作的学院为例,提出了应用数据挖掘技术关联规则和决策树技术来挖掘隐藏在学生成绩背后有价值信息的研究方案,目的是为教学管理者在今后的教学工作中提供重要的决策依据。关联规则和决策树是数据挖掘应用领域较广的两种算法。本文首先以计算机系历届毕业学生的专业课成绩为例,通过对数据进行数据清理、数据转换、数据归约等数据预处理,利用关联规则Apriori算法探讨课程之间的影响关系,指导学生合理选课和安排对不同科目的学习计划。并结合DMX实现数据挖掘,得到了实验结果并对实验结果进行了分析和解释。其次以学生的入学成绩和毕业时所修课程成绩的绩点值为实验数据,提出了学生培养模型并给出求解方案。以本人所授非计算机专业班级的学生为研究对象,通过对学生进行问卷调查,获取了有关学生的上机时间、基础程度、对计算机的感兴趣程度、学习习惯等调查数据,根据学院教务系统获取学生的基本情况信息数据和考试成绩数据,利用关系数据库中的连接操作,形成了一个包含多个属性的学生成绩分析数据库。在决策树模型的建立过程中,采用的是C4.5算法。该算法递归选择具有最大信息增益率的属性作为测试属性,最终生成了学生成绩是否良好和学生成绩是否不及格两个决策树模型,得到了易于理解的分类规则,并对产生的分类规则进行了分析和评价,从而为教学部门提供决策支持信息,促使更好地开展教学工作,提高教学质量。