Attualmente, la quantità di dati memorizzati nei database didattici sta aumentando rapidamente. Questi database contengono informazioni nascoste per migliorare le prestazioni degli studenti. L'albero decisionale è l'algoritmo di classificazione più utile nel data mining educativo per la sua facilità di esecuzione e di comprensione rispetto ad altri algoritmi. Con l'aiuto dell'algoritmo dell'albero decisionale possiamo ottenere risultati più accurati e validi che possono essere utili agli istruttori per migliorare i risultati di apprendimento degli studenti. Gli algoritmi ad albero decisionale ID3, C4.5 e CART sono stati applicati ai dati degli studenti per prevedere le loro prestazioni. Ma tutti e tre questi algoritmi sono utilizzati solo per piccoli database. Per i database di grandi dimensioni, stiamo utilizzando un nuovo algoritmo, SPRINT, che elimina tutte le limitazioni di memoria e i problemi di accuratezza degli altri algoritmi. È più veloce e scalabile degli altri perché può essere implementato sia in modo seriale che parallelo per un buon posizionamento dei dati e per il bilanciamento del carico. In questo lavoro, l'algoritmo ad albero decisionale SPRINT viene utilizzato per risolvere il problema della classificazione nel sistema educativo.
