教育信息化使教育系统结累了大量的与教育、教学有关的数据，激增的数据背后隐藏着许多重要的信息，由于缺乏挖掘数据背后隐藏的知识的手段，无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。导致了“数据爆炸但知识贫乏”的现象。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识的过程。关联规则挖掘是数据挖掘的一个重要方面，它揭示事物之间的相关程度。教育中存在很多相关性问题，可以用关联规则挖掘方法对教育信息进行数据挖掘，发现其中的教育规律。 关联规则表达数据库中属性之间的相关程度。关联规则X(?)Y，support=s％，confidence=c％表示由规则的前提X得到规则的结果Y，支持度为s％，置信度为c％。本文通过对教育信息的关联规则挖掘，得出类似物理(?)数学，support=25％，confidence=77％的结果，利用关联规则揭示的教育、教学的内部规律、学生的发展模式、学课之间的相关性规律，科学地制定教育的中、长期规划，更新教育理念，合理地组织教学活动，理性地引导学生朝德、智、体方面全面发展。 关联规则挖掘的基本方法是基于频集的Apriori算法，根据给定的最小支持度(min_sup)，在待挖掘数据库中找出所有频繁项集，根据给定的最小置信度(min_conf)，由频繁项集产生强关联规则。在众多的数据挖掘工具中本文中采用基于MS SQL Server环境的数据挖掘。根据教育信息的数据特点，在应用Apriori算法时稍作修改，即在用Apdofi算法计算频繁项集前，先用类似聚类的方法压缩数据(经过量化处理)，然后对压缩过的数据计算频繁项集，使计算频繁项集的数据量减少。 教育信息挖掘模型(EIDM)是以教育系统为主要应用领域，以交互性、数据源的可选择性、系统的可集成性、易操作性为主要设计原则的数据挖掘系统模型，其中变换方法和量化方法体现了处理教育数据的功能，通过增加挖掘模式库、变换方法和量化方法库的方法可较容易地扩充EIDM的挖掘功能。 系统设计中采用不同的数据挖掘方法和不同的数据挖掘参数，产生不同应用层次的关联规则，取其共同部分按被认可的程度分为三类：第一类规则描述的事实和传统的教育学对有关问题的认识相一致，数据挖掘获得的关联规则用数据进一步证实了教育理论的有关论述。第二类规则是人们在研究和工作中没有认识到的或未被重视的事实，这类规则反映了教育规律，这是通过数据挖掘获取的新知识。第三类规则是以前未被发现、现在也未被教育专家认可，但在现实中业已存在、而且是在一定条件下一种有代表性的现象，其内涵还有待进一步研究。