MétaCan
Menu
Retour à la cohorte
Enregistrement W2912533415 · doi:10.35931/am.v1i2.39

IMPLIKASI PERUBAHAN DERIVASI DAN MAKNA “ضرب” DALAM AL-QURAN TERHADAP TERJEMAHNYA

2018· article· id· W2912533415 sur OpenAlexaff
Muhamad Hamdani

Notice bibliographique

RevueAl Mi yar Jurnal Ilmiah Pembelajaran Bahasa Arab dan Kebahasaaraban · 2018
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueArabic Language Education Studies
Établissements canadiensNorthern Ontario Academic Medicine Association
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsArt

Résumé

récupéré en direct d'OpenAlex

Secara hipotesis keilmuan kebahasaaraban tidak akan lahir tanpa ada Al Quran meskipun Al Quran turun kepada bangsa Arab yang pandai bersyair, bahkan tumbuh dan berkembangnya bahasa Arab tidak lain dari peran Al Quran sebagai Ummul Ilmu kebahasaan itu sendiri, Bahasa Arab merupakan produk peradaban yang menjadi icon masyarakat muslim dan rujukan dalam memahami Al Quran. Terkadang satu kata dalam bahasa Arab akan melahirkan berbagai macam arti yang diperlukan kecermatan, ketelitian bahkan diperlukan komptenesi linguistik bahasa Arab. penelitian ini menggunakan metode kualitatif dengan model analisis isi (Content Analysis). Sejumlah kalimat ضرب dan derivasi nya dikumpulkan melalui dokumentasi tertulis (mushaf Al Quran) dan pedoman pencatatan data. Kemudian data tersebut dianalisis secara kualitatif untuk mengkaji makna morfologi kalimat dan variasi makna secara gramatikalnya. Dari penelitian ini ditemukan kata ضرب dan derivasinya yang terdapat dalam 28 surah dalam Al Quran dengan 55 bentuk kalimat, Secara umum dalam Al Quran perubahan bentuk derivasi dan makna kalimat ضرب dapat dikelompokkan kedalam 7 bagian yaitu tanpa perubahan bentuk kalimat, dalam hal ini kalimat ضرب tidak mengalami perubahan bentuk apapun; perubahan bentuk masdhar dari kalimat asli; Adanya penambahan dhamir di akhir kalimat; Perubahan bentuk mudhari’ dengan dhamir yang tersembunyi; perubahan bentuk kalimat Majhul; penambahan huruf la nahiyah yang bermakna larangan; perubahan bentuk Amar/perintah.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0290,005

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 Opus0,027
Tête enseignante GPT0,324
Écart entre enseignants0,297 · 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'étudeSans objet
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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAl Mi yar Jurnal Ilmiah Pembelajaran Bahasa Arab dan KebahasaarabanMême sujetArabic Language Education StudiesTravaux en français237 207