随着高职院校教学管理现代化进程的加快和教学体制的改革,各大院校的教务管理正向“规范化、信息化、网络化”的方向发展,而基于学分制的选课方式也被运用到教学管理中。基于选课系统的数据仓库中数据越来越多,隐藏在数据中的信息却越来越难获取。通过数据挖掘技术可以准确而又快速的从浩瀚的数据资源中提取出所需信息,寻找到课程与课程之间的相关性,能明确表示出前继课程与后继课程间的关系等。因此可以帮助学生根据具体情况作出选修计划及为教学管理人员制定出合理的选课课程组。而且,对成绩数据的深度挖掘还可找到影响学生成绩的原因,有利于针对性的提高教学质量。数据挖掘技术是可以通过对现状问题进行有效的模式提取,去发现隐藏在浩瀚的数据资源中的一些规律和数据相互之间的某些关系,因而可以整理、分析、提取出有价值的知识,让这些知识为用户的决策提供服务。本论文对数据挖掘等基础知识有了透彻的理解,综合分析了数据挖掘的基本理论；并对数据挖掘中的常用算法做了详细介绍；最后创建了相应的数据仓库,对某些数据进行了挖掘等。本论文以教务管理中的选课数据作为研究对象,以培养学生为研究目的,对学生选课、成绩数据的挖掘找到影响学生选课和成绩的内在因素。本文运用聚类法确定不同专业学生的选课方向。并将一种改进的Apriori算法应用于所建立的学生成绩数据中。并通过实验数据验证其有效性为模块教育的课程搭配提了一种可行的解决方案。这些挖掘和分析对教学工作的开展与改进具有一定的指导意义由于本研究所涉及到的数据量比较大,对学生选课状况及成绩数据难以做出较全面的分析,因此,仅选取某高职院校教育系学生选课课程数据及信息工程系学生成绩的作为数据分析对象。