随着高等学校招生规模的不断扩大和信息技术的不断发展,各高校都建立了自己的教学管理信息系统,这些系统很大程度上提高了教学和管理的水平,同时也积累了大量的教学和管理数据。但是目前这些信息系统多半是联机事务处理系统,缺乏综合分析和辅助决策的能力。不能提供对所采集数据进行归类与深层次分析的功能,这使得管理人员在面对复杂情况时不能及时了解相关信息,领导在决策时也没有切实的数据支持。对教学模型进行分析是提高教学质量的重要手段,本文在搜集和阅读了大量有关数据挖掘的论文后,采用数据挖掘技术对教学模型进行多层次、多角度的分析与挖掘,利用挖掘结果辅助教学决策,从而保证教学质量、提高学生素质。本文主要探讨了数据挖掘技术的基本理论和主要算法,研究了数据挖掘中的关联规则和决策树分类算法。运用改进的Apriori算法分析了教师年龄、职称、学历以及学生成绩对教学质量评价的影响;使用了决策树C4.5算法挖掘并分析C语言成绩、教学方法、学生的畏难情绪因素对《数据结构与算法》课程的影响。通过在教学模型中的具体挖掘实践,得到了许多有价值的信息,这些信息在帮助学校更好地进行学生的培养,对学生表现情况的掌握以及课程的教学等方面无疑具有重要的指导意义。