Biodiversity Information System for Management of Medicinal Plants Data Tropical Rainforest Borneo
Notice bibliographique
Résumé
This article exposes the fundamental mistake of Afrizal Nur (AN) in criticizing Tafsir Al-Mishbāh by Muhammad Quraish Shihab (Shihab). This study was conducted considering that AN had been very brave in criticizing Tafsir Al-Mishbāh. Even though it is wrapped in the highest academic work (dissertation) and published as a book, it is complex not to be called less careful in correcting Shihab. This widely spread work eroded some people's trust in Shihab's intellectuality and integrity. Unfortunately, no academic work has tried to address this issue, let alone published in scientific journals. This article is the result of a text analysis study. The criticism of AN is studied so that it is compared to Shihab's original work and considered based on related theories and conclusions. It was found that AN made a fundamental mistake in managing its data. His data breaks down some of the findings used as criticism of Shihab. AN often equates Shihab's opinion with other interpreters' views in his commentary. When it finds the opinion of Thabāthabā'ī, for example, the AN without hesitation refers to it as the opinion of Shihab, even though Shihab has written a different opinion, even refuting it. AN even seems to have difficulty grasping the meaning intended by Shihab, so it comes to a different conclusion.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,006 |
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 ».