MétaCan
Menu
Retour à la cohorte
Enregistrement W2619230130 · doi:10.5539/ass.v13n6p125

The Implementation of Islamic Teaching in Multiculturalism Society: A Case Study at Pesantren Schools in Indonesia

2017· article· en· W2619230130 sur OpenAlexvenueno aff
Muhammad Amri, Saidna Zulfiqar Bin-Tahir, Salman Ahmad

Notice bibliographique

RevueAsian Social Science · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArabic Language Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMulticulturalismIslamQualitative researchEthnic groupSociologyPoliticsPedagogyPunishment (psychology)Multicultural educationReligious educationMathematics educationPsychologySocial scienceSocial psychologyPolitical scienceLawTheology

Résumé

récupéré en direct d'OpenAlex

The role of culture, ethnicity, race, belief and religious sects cannot be separated from the individual and social interaction and communication that often due to the conflict of thought and interest such in the political, social, and education. Thus, this study aimed at exploring how the implementation of Islamic teaching in a multiculturalism society at three of modern pesantren schools in Makassar, i.e. pesantren IMMIM, Pondok Madinah, and pesantren Darul Arqam Muhammadiyah Gombara. This study applied qualitative approach using a case study design by conducting the in-depth observation and interview to the teachers, stakeholders, and students. The data collecting were analyzed descriptively using three-stage models of Miles and Huberman. The results found that the pesantren educational policy, teaching methods, pesantrenenvironment, stakeholders and teachers’ control, and the evaluation were the dominant factors of the successful of Islamic teaching due to the strict of reward and punishment applied by pesantren to rehearse the students’ awareness earlier to be well-behaved in a multiculturalism society.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,008
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,004
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,030
Tête enseignante GPT0,435
Écart entre enseignants0,405 · 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 source (Gemma direct ou Codex distillé), 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

Citations62
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetArabic Language Education StudiesTravaux en français237 207