目前,已有的课程设置主要依据分析课程内容本身的相关性,这样的方法解决了课程设置的顺序、学时学分安排等问题,但缺乏考虑在这样的课程体系下实际教学产生的数据所反映出的对课程设置有价值的信息。而随着教育信息化的发展,各个学校的教育数据日益增加,如何合理的利用已有的信息进行科学的教学决策则是每个教育者密切关心的问题。数据挖掘技术可以运用相关算法分析大量数据集,找到数据背后有价值的信息。把数据挖掘技术应用于课程相关性分析,恰好可以从大量实际教学数据中寻找对课程设置有价值的信息,从而合理的进行课程优化,进一步提高教学效果,提高人才培养质量。本文将依托SPSS和Weka数据挖掘平台,以大量学生课程数据为切入点,借助简单相关分析、典型相关分析和关联规则分析算法,找到我校课程开设的实际情况所反映出的课程相关性,探讨如何利用数据得到的统计意义上的课程相关性为课程设置提供决策依据,并探讨如何利用这些分析结果用于指导学生选课、学生成绩预警、改进培养方案,甚至优化个性化推荐系统等,最后探讨如何基于这些分析结果为我校教育技术学专业课程优化提供决策依据。本文的主要内容如下:首先,通过对数据挖掘理论知识的研究,了解到数据挖掘技术在教育数据中的应用优势,并以此为理论基础,确定了适合我校课程相关性分析的方法和工具,并对收集到的课程数据进行预处理,得到适合相关分析和关联规则分析的数据源。其次,将数据挖掘技术应用于课程相关性分析中,主要内容包括:1.在SPSS中,运用简单相关分析算法,分析同一类课程的相关性,从而得到显著相关的课程,并对显著相关的课程进一步分析和解释,得到统计意义上相关的原因,进一步得到我校已体现的课程相关性、新发现的课程相关性和待研究的课程相关性;2.在SPSS中,运用典型相关分析算法,得到不同类课程之间的整体相关性,从而得到反映每类课程的典型变量以及课程之间的相关关系;3.在Weka中,运用关联规则分析算法,得到多门课程之间的关联规则,找到课程之间的相互影响度,找到可能影响学生后续课程学习效果的先行课程,从而更有针对性的指导学生。最后,综合利用相关分析和关联规则分析结果,提出课程相关性分析的实际应用,包括优化课程建设、指导学生选课等,然后系统的从课程建设和人才培养方案两方面针对我校课程设置的实际情况提出课程优化的建议。