MétaCan
Menu
Retour à la cohorte
Enregistrement W4411390450 · doi:10.53762/j17hzy81

10.53762/j17hzy81

2000· article· en· W4411390450 sur OpenAlexvenueno aff
Hafiza Nasreen Akhtar, Iftikhar Khan

Notice bibliographique

RevueTime to knit · 2000
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Maritime and Colonial Histories
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

The sub-continent is one of Allah’s blessed lands, it is the Land of preachers, Scholars, Religion people, Traders, writers and poets. Arabs were aware of the importance of Sub-continent, because they used to travel to Subcontinent for trade before Islam. When Muhammad bin Qasim came for the purpose of conquering India, many scholars, writers, and poets came with him, and they exerted their efforts to spread Islam and the Arabic language, most of whom were religious scholars and Sufis, and among the most famous Arabic poets in the Indian subcontinent, Like Abu Atta Al-Sindi, Al-Biruni, Ata bin Yaqoub Al-Ghaznawi, and Sheikh Fakhr Al-Din Al-Iraqi. Sheikh Rukn al-Din al-Multani, Judge Abd al-Muqtadir al-Sharihi al-Kindi, Sheikh Ahmad al-Thansiri, Shah Wali Allah Mohaddith al-Dahlawi, Sayyed Ghulam Ali Azad al-Bilgrami, Sheikh Muhammad Saeed al-Sindi, and others. Sheikh Muhammad Saeed Al-Sindhi was a popular religious scholar, a famous Sufi, and a great and talented poet. He demonstrated his poetic talent in the three languages: Arabic, Persian, and Sindhi. He wrote his poems in Arabic and Persian. Indian and Arab scholars have praised his Broad expertise in the Arabic language and literature. He writes many poems in these two languages, which became famous in the Indian subcontinent because of his expertise. We find many literary virtues in his poems, such as the diverse words, structures, and styles. Beautiful pictures, deep imagination, music, etc.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,592
Score d'incertitude au seuil0,300

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,9940,981

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 Opus0,006
Tête enseignante GPT0,211
Écart entre enseignants0,204 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTime to knitMême sujetGlobal Maritime and Colonial HistoriesTravaux en français237 207