MétaCan
Menu
Retour à la cohorte
Enregistrement W2413926299 · doi:10.5539/jsd.v9n3p136

Sufism and Behavior of Maritime Economic Community (Case Study on Pakkaja Community in South Sulawesi)

2016· article· en· W2413926299 sur OpenAlexvenueno aff
Eymal B. Demmallino, Mukti Ali, Abd. Qadir Gassing, Munsi Lampe, La Nalefo, Nurbaya Busthanul

Notice bibliographique

RevueJournal of Sustainable Development · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIslamic Finance and Communication
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBackwardnessSufismMuslim communityIslamizationEconomyGeographyAncient historySociologyHistoryIslamEconomic growthEconomicsArchaeology

Résumé

récupéré en direct d'OpenAlex

<p>This research is motivated by a concern to the maritime community in Indonesia and South Sulawesi in particular, which is up to now still very behind compared with other communities on the mainland or degenerate far backward compared with the maritime community in the past royal era (eighth century ~ XVII century: Sriwidjaya, Majapahit, and Gowa~Makassar). This study aims to reveal the negative effect on classical Sufism of maritime community economic behavior, by taking the case to the Pakkaja Community. This study uses Verstehen method is done by "reversed burden of proof". The results showed that the backwardness of maritime community, in particular the Pakkaja Community is rooted in the mentality of weak intention characterized by low productivity, dependence excessively and consumptive lifestyles in their lives, is a negative deflection of classical Sufism, which stuck very strong since early Islamization of the archipelago and Bugis ~ Makassar in particular.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,300
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetIslamic Finance and CommunicationTravaux en français237 207