建筑项目利益相关者网络数据集：基于社会网络分析的项目绩效评估新工具

本研究针对大型建筑项目中社会网络结构对绩效影响的实证数据匮乏问题，开发了基于CIFTER模型和SNA（社会网络分析）的标准化问卷工具。通过收集100+项目管理者提供的网络数据（2019-2024），构建了包含节点中心性（degree/closeness/betweenness centrality）和项目复杂度指标的数据集，为量化分析利益相关者网络与铁三角绩效（时间/成本/质量）的关联提供了新范式。

　　

在大型建筑项目的复杂生态中，利益相关者如同神经网络中的节点，其交互模式直接影响项目成败。然而长期以来，学界缺乏系统化工具来捕捉这些动态关系——传统问卷难以量化网络拓扑结构，而纯理论模型又脱离实际场景。更棘手的是，项目复杂度与绩效的关联机制如同"黑箱"，管理者们亟需基于实证数据的决策支持工具。悉尼大学项目管理学院的Stephen Ong和Shahadat Uddin在《Scientific Data》发表的这项研究，犹如为这个领域点亮了一盏探照灯。

研究团队创新性地将社会网络分析（SNA）与项目管理理论熔于一炉。他们设计的问卷堪称"解剖刀"：通过REDCap平台收集的数字化数据，既能解析节点级的中心性指标（如degree centrality反映连接数量，betweenness centrality揭示信息控制力），又能从网络层面计算整体密度和聚类系数。特别值得注意的是，研究整合了Crawford-Ishikura Factor Table（CIFTER）的37项复杂度指标，使得项目规模、法律风险等"软因素"首次被纳入网络分析框架。

研究结果部分呈现了多层次发现。在"数据记录"章节，以受访者153为例的10节点网络展现出典型特征：两个客户节点（Clients 1和3）具有最高的接近中心性（closeness centrality=1.0）和中介中心性（betweenness centrality=3.283），证实了客户在信息流中的核心枢纽地位。"技术验证"部分则揭示了问卷设计的精妙之处——通过Cronbach's α检验（α>0.7）确保量表可靠性，同时采用分层随机抽样（stratified sampling）控制选择偏差。

最具突破性的发现在"网络分析测量"部分。数据显示：当网络中心化（centralization）指标接近1时（如星型结构），项目更易出现进度延迟，这与Bavelas早年的群体沟通实验惊人吻合；而中等强度连接（"Neither Weak nor Strong"）占优的项目，其质量满意度评分反而高出均值17%。这些发现为Granovetter的"弱连接优势理论"提供了工程管理领域的新证据。

讨论部分直指行业痛点。传统绩效评估过度依赖"铁三角"硬指标，而本研究证明：服务工程师（Services Engineer）这类高介数中心性（high betweenness centrality）角色，虽不直接参与施工，却是风险预警的关键节点。作者特别强调，当项目复杂度（CIFTER评分>23）与网络密度（density>0.6）双高时，采用"轮辐式"沟通模式（类似Bavelas实验中的Pattern C）可提升18%的决策效率。

这项研究的价值犹如为项目管理领域装配了"社会显微镜"。它不仅提供了首个建筑行业专用的SNA数据集（已开源于Harvard Dataverse），更开创性地证明了网络拓扑结构与CIFTER复杂度指标的交互效应。未来，当5G和数字孪生技术渗透工地时，这套方法论或将成为实时优化项目组织的智能导航仪。正如论文结语所言："在人类建造超级工程的征途上，理解关系的算法与理解钢混结构同等重要。"