با پیشرفت تکنولوژی حجم وسیعی از داده¬های آموزشی شامل اطلاعات شخصی دانشجو، وضعیت تحصیلی، سابقه دروس اخذ شده در ترم¬های قبل، نمرات این دروس و... در پایگاه داده¬های آموزشی نگه داشته می¬شوند، با توجه به گستردگی و عظمت بانک¬های اطلاعاتی موجود در سیستم¬های دانشگاهی به خصوص دانشگاه پیام¬نور قم به دلیل تعداد بسیار زیاد دانشجو و افزایش چشمگیر این تعداد در هر سال تحصیلی جدید به¬دلیل تنوع و تعدد پذیرش، این حجم وسیع از داده¬ها به وسیله روش¬های معمول قابل استفاده نبوده و نیاز شدید به استخراج الگو یا مدلی در میان انبوه داده¬ها جهت استنتاج معانی و مفاهیم خاص هرچه بیشتر احساس می¬شود. چرا که کشف این الگوها و دانش نهفته می¬تواند برای درک و فهم رفتار دانشجویان، کمک در امر آموزش و تدریس، ارزیابی و بهبود سیستم¬های آموزش الکترونیکی، بهبود برنامه آموزشی، افزایش بازدهی و کارایی دانشجویان و حتی پیش¬بینی نمره دروس اخذ شده توسط دانشجویان در ترم اخیر بکار گرفته شود. همچنین بسیاری از مشکلات موجود آموزشی دانشجویان نظیر استفاده نابهینه از امکانات را کاهش دهد و به این ترتیب کمک شایانی هم به دانشجو و هم به کارکنان بخش¬های مختلف اعم از اداری، آموزشی و هم مدیران گروه نماید. به¬طور مثال زمانی که تخصیص درس، کلاس و استاد برای دانشجو انجام شده باشد در صورتی-که دانشجو متقاضی درس مذکور نباشد این مساله منجر به انحلال کلاس و نارضایتی استاد می-گردد، و یا بالعکس در صورتی¬که دانشجو متقاضی ارائه دروسی بوده که دانشگاه آنها را ارائه نکرده¬است این امر موجب نارضایتی دانشجو می¬گردد، لذا برای حل مشکلات این چنینی کشف الگوها و استفاده از داده¬¬کاوی کمک موثری خواهد کرد. با توجه به اینکه کلیه نرم¬افزارهای آموزشی براساس یک بانک اطلاعاتی ساده می ¬باشد لزوم یک موتور داده کاوی در داخل نرم افزارهای آموزشی موسسات آموزش عالی ضروری به¬نظر می¬رسد که موجب می گردد سیستم¬های آموزشی پویا گشته و با استفاده از الگوریتم¬های داده¬کاوی نتایج با ارزشی به کارشناسان و مدیران آموزشی ارائه گردد. بر همین اساس سعی بر آن است از طریق پایگاه داده انتخاب واحد دانشجویان سال¬های 82 تا 91 دانشگاه پیام¬نور قم، الگوهای مناسب با استفاده از الگوریتم¬های داده¬کاوی استخراج شده و با استفاده از نرم¬افزار کلمنتاین12 الگوریتم¬ها پیاده¬سازی شده و بر این اساس مناسب¬ترین دروس جهت انتخاب واحد به دانشجویان متقاضی ارائه گردد. در حقیقت سعی بر این است که وظیفه مدیران گروه در زمینه ارائه دروس مناسب از طریق الگوریتم¬های داده¬کاوی به¬صورت خودکار انجام پذیرد. با قاطعیت می¬توان گفت قوانین کشف شده با استفاده از داده¬کاوی می¬تواند راهکارهایی را جهت ارائه دروس، پیش روی مدیران گروه قرار دهد که حتی ممکن است به ذهن کارشناسان و مدیران گروه خطور نکرده باشد و یا به آن¬ها توجهی نشده باشد.