由于高校连年扩招，造成了在校生人数规模剧增，给高校的教学工作带来了许多影响教学质量的问题。教师在教学实施过程中往往积累了大量的数据，但目前对这些数据的处理还停留在初级的数据备份、查询及简单统计阶段，不能发挥它应有的作用。如对学生成绩的分析处理一般仅仅是统计成绩为优、良、一般、差等级别的人数，对于学生取得这些成绩的原因往往无法了解。从而无法针对教学中已存在的问题进行相应的变革，也就不能很好的提高教学质量。 本论文提出了一种应用决策树技术来挖掘隐藏在学生成绩背后有价值信息的研究方案，通过对大量原始数据信息的挖掘处理，找出最能影响学生成绩的因素，目的是对教师今后的教学工作提供重要的决策依据。 数据挖掘是一种决策支持过程，是深层次的数据信息分析方法。将数据挖掘技术应用于教学分析无疑是非常有益的，它可以全面地分析考试结果与各种因素之间隐藏的内在联系，可以将大量的数据转化为分类规则，从而更好地分析这些数据。必然有利于教学质量的提高。 决策树技术是数据挖掘分类和预测的主要技术，是通过一组无次序、无规则的实例中推理出决策树表现形式的分类规则。决策树是用二叉树形图来表示处理逻辑的一种工具，可以直观、清晰地表达加工的逻辑要求。特别适合于判断因素比较少、逻辑组合关系不复杂的情况。决策树方法与其它分类方法相比具有可理解性、易训练、易实施和通用性等优点，所以本论文选择将决策树技术应用到学生成绩分析研究中。 论文详细地阐述了数据挖掘的相关概念以及分类算法ID3算法的理论基础与学习过程。重点介绍了数据挖掘技术在学生成绩分析中的应用和使用ID3算法构造决策树的方法，并结合一组学生考试成绩样本数据，采用决策树方法进行了实例分类分析，给出了基于决策树技术的学生成绩分析应用研究模型。