MétaCan
Menu
Retour à la cohorte
Enregistrement W4399732070 · doi:10.22148/001c.116223

Racio-national Imaginary and Discursive Formation of Arabo-Islamic Identity in al-Manār and al-Risālah: A Topic Modeling Study

2024· article· en· W4399732070 sur OpenAlexvenueno aff
Eid Mohamed, Talaat F Mohamed

Notice bibliographique

RevueJournal of Cultural Analytics · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueComputational and Text Analysis Methods
Établissements canadiensnon disponible
Organismes subventionnairesQatar National Research FundFonds National de la Recherche LuxembourgQatar Foundation
Mots-clésConceptualizationIntelligentsiaIslamThe ImaginaryModernityIdentity (music)PoliticsSociologyGender studiesNational identityReligious studiesMedia studiesLinguisticsPolitical scienceLawPsychoanalysisPhilosophyTheologyAestheticsPsychology

Résumé

récupéré en direct d'OpenAlex

This article focuses on the dynamics of culture, language, and race as integral to the discourse on Pan-Islamist/Pan-Arabist national identification in Egypt during an era of drastic change in the Egyptian political and social spheres that set the stage for the current century that followed. Our approach draws on computational tool of topic modeling to probe relevant thematic discussions on the” conceptualization of race, language, culture, and identity by leading Arab-Muslim intelligentsia at a foundational moment that paved the way for Arab Nahḍah (modernity). Specifically, this analysis is meant to trace the intellectual development in the writings of Muḥammad Rashid Riḍā’s (1865-1935), which appeared in the magazine he edited, al-Manār ('The Lighthouse', 1898-1935), and those of Aḥmad Ḥasan al-Zayyāt’s (1885-1968), editor of al-Risālah (`The Messageʼ, 1933-1953), also a weekly magazine, both published in Cairo, Egypt. The study concludes that both figures sought to galvanize a largely hybridized Islamist/Arabist discourse as manifested in the clusteral paradigms of modelled topics.

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)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0040,004
Communication savante0,0070,007
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
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 Opus0,055
Tête enseignante GPT0,432
Écart entre enseignants0,377 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cultural AnalyticsMême sujetComputational and Text Analysis MethodsTravaux en français237 207