Utilizing Social Media as a Means of Memorizing the Qur'an
Notice bibliographique
Résumé
Social media is a change from increasingly sophisticated technology. the influence of social media is very much in the community, the positive influence is one of which makes it easier to memorize the Al-Qur'an. Memorizing the Al-Quran is an action taken by someone to increase their memorization of reading without looking at the Al-Qur'an or text. Researchers conducted research at the Esa Unggul Integrated Islamic Elementary School in Pekanbaru. The purpose of the researchers in conducting this research was to find out how teachers apply social media as a means of memorizing the Qur'an for students at the Esa Unggul Integrated Islamic Elementary School, Pekanbaru. This school uses the wahdah method in memorizing the Qur'an. in this study the researcher used a descriptive method with a qualitative approach. techniques used by researchers in collecting data is by way of interviews, observation and documentation. The subjects in this study were school principals, teaching staff, and students. The results of research at the Esa Unggul Integrated Islamic Elementary School in Pekanbaru can be said to be effective, by using social media the students are very enthusiastic in memorizing the Qur'an. this is a new way to apply in schools. Here the teacher has its own challenges in using social media to serve as a means of memorizing the Qur'an. Because in general children use social media to play.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| 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 | 0,001 |
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 ».