随着信息技术的高速发展,信息管理系统取代了传统的文本记录方式,被越来越多的引入到各行各业的日常生产和管理当中。21世纪以来,各大高校加快了信息化建设的步伐,建立自己的信息中心,利用信息管理系统来存储和管理教学教务信息。经过十多年的积累,在高校信息中心的数据库中存储了大量的学生数据,以往这些数据的价值得不到重视,常常被忽略。而在当前全球大数据的背景下,这些数据也开始进入研究者的视野,如何从这些数据中挖掘有用信息以帮助学生提高学习效果,改善高校教学管理水平,也成为了当前数据挖掘应用领域的一个重要研究课题。学习成绩是评价一个学生学习情况的最重要也最基础的指标,对学习成绩的分析有利于老师掌握学生的学习情况,有针对性地进行教学辅导。而学生的行为数据则是学生在校园中的学习方式与生活习惯的反映。本文就利用数据挖掘相关技术,根据高校学生行为数据,对高校学生的生活习惯进行充分的挖掘和分析,研究学生行为数据中和学生成绩有着较强关联性的潜在的行为模式,再通过数据挖掘技术建立成绩的预测模型,在达到利用学生的日常行为预测学生成绩的目的的同时建立学生辅导机制,从而提高学生学业成绩。成绩分析和预测是教育数据挖掘的一个研究方向,现有的研究工作大多是基于对课程或历史成绩的分析来对成绩进行预测,少量基于行为的分析也是侧重于单一行为和成绩的关联规则挖掘。本文在前人的研究基础上,不依赖于学生的个人信息和过往成绩,而是对学生在校园活动中产生的多种行为数据,包括消费数据、门禁数据和借阅数据进行深入的分析,找出学生行为数据背后的行为模式以及跟学生成绩相关的影响因素。选择两个年级的学生行为数据,从中提取行为特征,用数据挖掘算法建立对学生成绩的预测模型,同时对不同模型预测成绩的效果进行对比,确定最佳的成绩预测模型。最后将成绩预测应用到具体的学生管理系统当中。本文从一个新的角度利用数据挖掘对学生成绩进行预测,为数据挖掘在教育领域的应用做了一些探索性工作。