Pendekatan Munasabah Psikologiah Muhammad Ahmad Khalafullah: Analisis Kisah Luth dan Kaumnya dalam Al-Qur’an
Notice bibliographique
Résumé
One of the most important ways the Koran uses to convey the messages of God is to use stories. In the Qur’an, the mention of stories fulfills a quarter of the number of verses; there are recorded 1,453 to 1,600 verses. One of the stories in the Koran is the story of Lut and his people. The purpose of the present story is as a guide, warning, threat to humans. But some commentators have been ‘fascinated’ by revealing the reality of historical events, thus leaving the essence of the meaning contained. Khalafullah, in contrast to the others, tried to study the stories in the Koran by using literary methods. In his method, he revealed a psychological muna>sabah between stories and the conditions of the prophet or society when the Qur’an was revealed. This research found that, according to Khalafullah, the stories used by the Koran as an effective way to attract the interest and attention of Muslims at that time; found the relationship between the story of Lut and his people with the psychological condition of the Prophet and his followers, and there is a relation between the story of Lut and the psychological atmosphere of the Prophet’s opponents at that time. This research reinforces the theory that the context of the Prophet and his people when the Qur’an was revealed is a very important element to consider as someone tries to understand the message of the Qur’an.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».