自上个世纪末以来,我国高校不断扩招,致使高校学生数量激增,同时也给教学工作带来了诸多新的问题。因此有效利用各个教学环节中的大量数据信息,从中获取知识,继而科学地指导教学工作变得尤为重要。本课题将数据挖掘分类技术应用于各个教学环节中的大量数据信息,对高校教学进行研究,旨在科学地指导教学,提高教学质量。分类是数据挖掘的重要组成部分,常用的分类方法有决策树分类、贝叶斯分类、规则归纳分类等,其中决策树方法是应用非常广泛的分类方法,其在可理解度、易训练性、易实施性和通用性等方面优于其他的分类方法。本文重点研究将决策树分类法应用到高校教学研究中。本课题以烟台南山学院教务管理软件中的学生成绩信息分析为例,完整地实现了数据分类挖掘的全过程,包括:确定数据挖掘对象及目标;采集数据;采用数据集成、数据清理、数据转换、数据消减等数据预处理技术;数据分类挖掘中使用ID3决策树算法生成决策树,并利用事后修剪法对决策树进行修剪;最后由决策树产生分类规则,完成了成绩分析决策树模型的建立。本文还对数据挖掘的概念、算法、过程、工具、应用领域等进行了论述,以及对ID3决策树算法及其实际应用进行了较详尽的分析,并详细调查了烟台南山学院学生学习计算机网络专业课程的各种情况,找出其中潜在的规则信息为学校教学决策提供理论支持。