在我国现行的教育体制下，通常运用学生的考试成绩衡量学生对所学知识的掌握程度及教师教学质量的好坏。因此，高校学生成绩数据不仅是评价学生学习效果的重要度量指标，而且还是衡量教师教学质量的重要度量指标。　　目前，高校中采用较多的学生成绩评价方法是多门课程的平均分数排名。运用这种传统的学生成绩评价方法仅能得知学生成绩的集中趋势，无法得知学生成绩中蕴含的其他规律，所得结果过于单一、片面，无法得到隐藏在学生成绩背后的有用知识和隐藏信息，并缺乏综合分析和辅助决策的能力。因此，传统的学生成绩分析方法过于单一、缺乏体系性。所以，如何从大量的学生成绩数据中发现规律和获得所需信息，并为教学管理工作提供参考依据，是高校亟需解决的问题。　　对此，本文探讨了教育统计学分析方法和数据挖掘在高校学生成绩评价方法中的应用，主要工作如下：　　（1）对收集到的高校学生成绩的相关原始数据(某高校2006学年至2012学年的高等数学、大学物理和大学英语3门公共基础课程的全校考试成绩、相关教师信息、课程信息、院系信息)进行初步分析，即运用教育统计学方法对学生成绩进行比较分析，并得出基本评价结论。　　（2）运用数据挖掘方法对教育统计学方法分析后的学生成绩进行深度分析。深度分析运用基于决策树技术的ID3算法发现学生成绩数据中的隐藏知识，并得出深度分析评价结论。　　（3）综合基本评价结论和深度评价结论，对某高校教师的教学效果、不同职称教师的教学效果和对全校、各学院、各专业间的评价得出更加客观、合理和全面的评价结论。