موسسه انتشارات بین المللی چتر اندیشه فصلنامه مدیریت مهندسی و تحول دیجیتال 3092-7609 8 4 2025 10 10 The Role of Data Mining in Discovering Hidden Connections in Social Networks and Its Impact on Engineering Management نقش داده‌کاوی در کشف ارتباطات پنهان در شبکه‌های اجتماعی و تأثیر آن بر مدیریت مهندسی 40 48 10.22051/jera.2021.31891.2698 FA عباس گروه مدیریت، دانشگاه آزاد اسلامی، واحد زنجان، زنجان، ایران شاهرخ گروه مدیریت، دانشگاه آزاد اسلامی، واحد زنجان، زنجان، ایران 2025 05 05 In the era of digital transformation, social networks have evolved beyond mere communication platforms into massive repositories of unstructured data, containing behavioral patterns and hidden connections among engineering project stakeholders. The primary objective of this research is to identify and analyze informal and hidden connections within professional and organizational social networks using advanced data mining techniques, and to examine the impact of these findings on engineering management indicators, including knowledge management, resource allocation, and communication risk mitigation. This study employs a developmental-analytical methodology with a mixed-methods (quantitative and qualitative) approach. In the qualitative phase, key indicators were extracted using content analysis of texts and organizational social networks. In the quantitative phase, hidden links were identified by applying clustering algorithms, graph analysis, and machine learning techniques to data extracted from the interactive platforms of five large engineering companies. The findings indicate that the discovery of “Shadow Networks” through data mining has a positive and significant correlation (0.78) with improved response speed to engineering changes and reduced conflicts within project teams. Furthermore, results demonstrate that the use of data mining-based Social Network Analysis (SNA) can increase the accuracy of predicting delays caused by human bottlenecks by up to 22%. Ultimately, this paper provides a comprehensive framework for engineering managers to leverage artificial intelligence to transform hidden structures into strategic assets for enhancing organizational productivity. در عصر تحول دیجیتال، شبکه‌های اجتماعی فراتر از بسترهای ارتباطی، به مخازن عظیم داده‌های غیرساختاریافته تبدیل شده‌اند که حاوی الگوهای رفتاری و ارتباطات پنهان میان ذینفعان پروژه‌های مهندسی هستند. هدف اصلی این پژوهش، شناسایی و تحلیل ارتباطات غیررسمی و پنهان در شبکه‌های اجتماعی تخصصی و سازمانی با استفاده از تکنیک‌های پیشرفته داده‌کاوی و بررسی تأثیر این کشفیات بر شاخص‌های مدیریت مهندسی از جمله مدیریت دانش، تخصیص منابع و کاهش ریسک‌های ارتباطی است. روش‌شناسی این تحقیق از نوع توسعه‌ای-تحلیلی با رویکرد آمیخته (کمی و کیفی) است. در بخش کیفی، با استفاده از تحلیل محتوای متون و شبکه‌های اجتماعی سازمانی، شاخص‌های کلیدی استخراج شده و در بخش کمی، با به‌کارگیری الگوریتم‌های خوشه‌بندی، تحلیل گراف و یادگیری ماشین بر روی داده‌های استخراج شده از پلتفرم‌های تعاملی پنج شرکت بزرگ مهندسی، پیوندهای پنهان شناسایی شده‌اند. یافته‌های پژوهش نشان می‌دهد که کشف شبکه‌های غیررسمی از طریق داده‌کاوی، همبستگی مثبت و معناداری (۰.۷۸) با بهبود سرعت پاسخ‌گویی به تغییرات مهندسی و کاهش تعارضات در تیم‌های پروژه دارد. همچنین، نتایج نشان داد که استفاده از تحلیل شبکه‌های اجتماعی (SNA) مبتنی بر داده‌کاوی، می‌تواند دقت پیش‌بینی تأخیرات ناشی از گلوگاه‌های انسانی را تا ۲۲ درصد افزایش دهد. در نهایت، این مقاله چارچوبی جامع برای مدیران مهندسی ارائه می‌دهد تا با بهره‌گیری از هوش مصنوعی، ساختارهای پنهان را به دارایی‌های استراتژیک برای ارتقای بهره‌وری سازمان تبدیل کنند. /downloadfilepdf/17272