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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,009 | 0,004 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».