随着移动手机的普及和其功能的日益丰富,我们能够通过移动手机采集的数据,推断人们的日常行为。如何提高学业成绩,无疑是学生用户群体最关心的话题之一,学业成绩的影响因素、相关行为、成绩预测等一直是人们十分感兴趣的研究领域。本课题研究如何利用移动感知数据,分析学生的日常行为与学生的GPA之间的关系。我们在一个公开的移动感知数据集的基础上,分析大学生的日常行为与其GPA之间的关系,然后设计实现了一个移动感知数据平台,收集了中国学生的移动感知数据,并分析他们的行为与GPA、毕业去向之间的关系。首先,我们提出了一种基于移动感知数据学生行为推断模型,推断学生的一些日常常见行为,如自习、上课、运动等,并利用相关分析度量这些行为与GPA之间的关系。我们公开的移动感知数据集StudentLife对该模型进行有效性验证,在该数据集上的挖掘结果显示,学生的GPA与其艺术活动投入时间呈显著负相关,而与自习、上课、讨论等行为的时长无关。然后,我们提出了一个基于遗传算法的关系挖掘算法,挖掘和GPA有显著关系的未知的行为,我们同样在StudentLife数据集上对该算法的有效性进行验证。在该数据集上的挖掘结果表明,晚睡、经常在图书馆但不专心于学习、经常和室友一起待在宿舍皆与GPA呈显著负相关,而经常和很多人在一起的行为与GPA呈显著正相关。最后,我们在开源框架UbiqLog的基础上,设计开发了一个新的移动感知数据平台StarLog,利用StarLog在校园内开展移动感知数据采集的计划,为期20天,一共有21名学生参加,我们分析了学生的手机使用行为、移动性与其GPA、毕业去向之间的关系,分析结果表明,学生的GPA与手机的日常使用频率呈显著的负相关,与学生每日的移动性无关;毕业去向为攻读博士的学生每日使用网上购物、即时线上聊天、微博分享、网页浏览这4类手机应用的总时长明显长于毕业去向为工作的学生。