随着大数据时代的到来,教育信息化取得了快速发展,各个高校的数字化校园建设正在稳步推进并逐渐完善。学校的一卡通系统、无线校园网络、教务考勤系统、学生管理系统等各种应用系统已相继建成,而这些应用系统每天都在产生大量的数据,这些丰富的数据资源为教育大数据挖掘提供了坚定的基础。大数据对高校教育的变革作用不断凸显,在提升学校教育管理质量、教学质量和完善教育成果评价等方面发挥着自己独特的优势。在此背景下,本文以LG高校的学生为研究对象,通过采集数字化校园平台中各种应用的数据,运用K-means算法和Apriori算法进行大数据挖掘处理,来分析大学生校园行为特征与学习效果之间的关系,以便为在校大学生的教育管理与学习能力提高提供经验证据。论文首先从学生的学习习惯、生活习惯、消费习惯三个方面构建了学生的在校行为特征指标。从三个方面分析了学生在校行为的特征,使用聚类分析中的K-means算法对这三个方面的数据进行数据挖掘,得到了五种消费习惯类型、三种生活习惯类型、四种学习习惯类型的学生行为特征分布。根据聚类结果对这些不同类型的学生进行了详细的分析,发现了学生经济能力低的群体问题、学生上网时间过长的问题、图书借阅数量太低等问题,并根据这些问题的特点为老师和学校提供给有针对性的管理建议。然后,利用学生的学业课程成绩和实践创新活动成绩等信息运用主成分分析法构建了学生综合素质指标,并通过Apriori关联规则算法对学生的在校行为特征与学生综合素质进行挖掘,得到学生行为规律与学生综合素质之间的关联关系,分析其中的与研究主题相关的关联规则可以看出,学生越是拥有良好的生活习惯和学习习惯,则学生的综合素质水平越高,反之则亦然。最后,实现了基于Hadoop的学生行为分析系统,能够对学生进行综合画像分析、综合预警分析、精准自助分析,为学生、管理老师和学校相关管理部门提供学生的学习、消费等多方面的在校行为分析,有助于提升学校的管理和决策效率。本文的研究为改善学校的管理工作和提高教学工作质量提供了一定的数据支撑,利用挖掘结果对学生的在校管理政策制定提供了借鉴和参考,并给老师提供学生的个性特点信息,并辅助信息化的教学模式,有利于提高老师的教学成果。也能够为学校制定合理的相关管理政策,推进管理精准化和决策科学化提供参考价值。