Knowledge, Culture, and Positionality: Analysis of Three Medieval Muslim Travel Accounts
Notice bibliographique
Résumé
This study provides an analysis of al-rihla account of three Medieval Muslim travelers: Nasir Khasraw (1004-1077), Ibn Jubayr (1145-1217), and Ibn Battuta (1304-1378). The three travelers were selected from different eras, provinces, cultural backgrounds, and schools of Islamic thought and philosophy in Medieval Muslim society. This study intended to answer two questions: 1) what do the three travelers report about their al-rihla experiences? And 2) what factors influenced the three travelers’ experiences of al-rihla as Muslim travelers in search for knowledge? The Holistic Content analysis method in Narrative Analysis was selected to analyze the data. The data analysis resulted in six themes: 1) hajj, the Pilgrimage to Mecca was conducted as, a religious obligation, repentance for sins, and a physical and spiritual path in seeking God’s/Allah’s forgiveness; 2) the theme of seeking knowledge in Islam is strongly associated with hajj; 3) place is a significant theme; 4) emphasis on Islamic principles applied into practice; 5) pride in religious identity as a Muslim; 6) the peaceful co-existence of Muslims, Christians, and Jews was recounted in the three travel accounts. The study concludes that al-rihla accounts of the three Medieval travelers were strongly influenced by three major factors: beliefs about knowledge/seeking knowledge in Islam, culture and cultural identity, and issues of power and positionality. Key words: Al-rihla; Medieval Muslim Travelers (MMT); Hajj; Place and space; Positionality introduction
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».