近年来随着高校不断扩招,学校学生人数和教师人数大幅度增加,给高校学生管理和教学工作带来了严峻的考验,传统的教学管理手段已经逐渐不能适应社会的发展了。高校有很多信息系统和各类数据库,如学籍管理系统、成绩管理系统、人事管理系统等,这些系统和数据库已经积累了大量的数据,但是由于缺乏必要的信息技术和手段,管理人员只能通过简单的统计分析、排序、备份等功能获得表面信息,隐藏在数据背后的信息不能得到有效利用。数据挖掘就是从历史数据集中发现隐含模式,并且应用这些模式进行预测。数据挖掘技术能够对已有的大量数据分析的基础上进行科学研究、商业决策或企业管理,从而达到为决策支持服务的目的。关联规则挖掘比较,是数据挖掘领域里最为活跃的研究方向之一,它反映一个事件和其他事件直接依赖或关联的知识。本文首先对数据挖掘做了一般性讨论,包括数据挖掘的历史、概念、相关技术。然后,对数据挖掘中重要的关联规则挖掘算法做了深入的研究,分析了关联规则挖掘算法中经典的Apriori算法及其AprioriTid算法,总结了算法中存在的问题,接着在AprioriTid算法基础上提出了改进算法。最后,利用改进算法,依据数据挖掘的标准流程对某高校2004级到2008级五个年级不同专业学生的《计算机程序设计基础与VF》课程成绩为研究对象,挖掘得到了影响成绩的因素,从而为提高教学质量提供依据。高校中可以挖掘的信息不仅仅是成绩,还可以对学生年龄(思维认知成熟度)、性别、爱好、家庭背景、健康状况、学籍、学历、高考成绩、课程内容、试卷、教师等信息进行数据挖掘,从而为管理者和教师提供决策依据,因人施教,提高高校教学水平和教学管理工作成效。