دانشگاه ایوان‌کی مهندسی سیستم و بهره‌وری 2538-2195 6 3 2026 11 22 A Hybrid SEM–Machine Learning Framework for Improving Communication Management in Construction Projects (Case Study: Zanjan City) چارچوب ترکیبی مدل‌سازی معادلات ساختاری و یادگیری ماشین برای بهبود مدیریت ارتباطات در پروژه‌های ساختمانی (مطالعه موردی: شهر زنجان) 51 77 732290 10.22034/sep.2025.2075517.1415 FA هادی شکیبازاهد نویسنده مسئول: استادیار، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه حکیم سبزواری، سبزوار، ایران 0009-0008-9950-1636 ناصر احمدی کارشناسی ارشد، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه حکیم سبزواری، سبزوار، ایران 0009-0004-3009-9547 Journal Article 2025 10 12 The construction industry in Iran faces challenges such as delays, cost increases, and quality decline, a significant portion of which stems from weaknesses in communication management among project stakeholders. The aim of this research is to identify key factors affecting communication weaknesses and to present a hybrid model for analyzing and predicting their impact on the performance of construction projects. The present study employs a mixed exploratory-explanatory approach. In the qualitative phase, indicators related to communication weaknesses were extracted through a systematic review of sources and content analysis of documents. In the quantitative phase, data from 114 valid questionnaires from employees of construction projects in Zanjan city were analyzed using Structural Equation Modeling (SEM) and Random Forest (RF) algorithm. The SEM model results showed that information flow, project management, and alignment of human resources with organizational strategy have the greatest direct impact on project performance. The machine learning model also identified these three factors as the strongest predictive variables for communication weaknesses and achieved a prediction accuracy of 0.87 and an AUC value of 0.93. The combination of the two methods provided the possibility of simultaneous analysis of theoretical relationships and empirical prediction. The findings indicate that strengthening the project information management system, clarifying the managerial structure, and aligning human resources with organizational goals can significantly reduce the risk of poor communications. The main innovation of the research is the application of the hybrid SEM-ML approach in the context of national projects in Iran and presenting a model that, in addition to analyzing causal relationships, has the ability to rank and data-driven predict key factors. صنعت ساخت‌وساز ایران با چالش‌هایی نظیر تأخیر، افزایش هزینه و افت کیفیت مواجه است که بخش قابل‌توجهی از آن ناشی از ضعف در مدیریت ارتباطات میان ذی‌نفعان پروژه‌هاست. هدف این پژوهش، شناسایی عوامل کلیدی مؤثر بر ضعف ارتباطات و ارائه مدلی ترکیبی برای تحلیل و پیش‌بینی اثر آن‌ها بر عملکرد پروژه‌های ساختمانی است. پژوهش حاضر از رویکرد ترکیبی اکتشافی–توضیحی بهره می‌برد. در فاز کیفی، شاخص‌های مرتبط با ضعف ارتباطات از طریق مرور نظام‌مند منابع و تحلیل محتوای اسناد استخراج شد. در فاز کمی، داده‌های حاصل از ۱۱۴ پرسشنامه معتبر کارکنان پروژه‌های ساختمانی شهر زنجان با استفاده از مدل‌سازی معادلات ساختاری (SEM) و الگوریتم جنگل تصادفی (RF) تحلیل گردید. نتایج مدل SEM نشان داد که جریان اطلاعات، مدیریت پروژه و همسویی منابع انسانی با استراتژی سازمان بیشترین اثر مستقیم را بر عملکرد پروژه دارند. مدل یادگیری ماشین نیز همین سه عامل را به‌عنوان قوی‌ترین متغیرهای پیش‌بینی‌کننده ضعف ارتباطات شناسایی کرد و به دقت پیش‌بینی 87/0 و مقدار AUC برابر 93/0 دست یافت. ترکیب دو روش، امکان تحلیل هم‌زمان روابط نظری و پیش‌بینی تجربی را فراهم ساخت. یافته‌ها بیانگر آن است که تقویت سیستم مدیریت اطلاعات پروژه، شفاف‌سازی ساختار مدیریتی و هم‌راستاسازی منابع انسانی با اهداف سازمانی می‌تواند ریسک ارتباطات ضعیف را به‌طور معناداری کاهش دهد. نوآوری اصلی پژوهش در به‌کارگیری رویکرد ترکیبی SEM–ML در بستر پروژه‌های ملی ایران و ارائه مدلی است که علاوه بر تحلیل روابط علی، توان رتبه‌بندی و پیش‌بینی داده‌محور عوامل کلیدی را داراست. https://systems.eyc.ac.ir/article_732290_461a670b1e66315fd5a386e5c4359cca.pdf