THE ADAPTATION OF CYBER SALAFISM DAʿWAH IN HADĪTH AḤKĀM LITERATURE: ANALYZING ʿUMDAT AL-AḤKĀM SERMONS ON THE YUFID CHANNEL
Notice bibliographique
Résumé
This article examines how Salafism adjusts conservative literature with its preaching on YouTube. Over the last decade, Salafism has gained significant traction in Indonesian cyberspace and urban centers. Moreover, the impact of expanding preaching through social media platforms, such as Instagram, YouTube, and Facebook, has proven successful in increasing their popularity in urban areas. Therefore, uncovering the modification of conservative law literature in cyber-Salafism is significant because it not only captures the method of Salafism in online preaching but also reveals how Islamic classical books are adapted for online media. The object of this study is 240 Yufid videos discussing ʿUmdat al-Aḥkām. Therefore, this study employs an online ethnographic method in order to collect, classify, and analyze the data. Moreover, it is also applied to defining the setting of the research, feeding insight to the studied community, and presenting the results with ethical awareness. This study revealed that Yufid’s interpretation of ʿUmdat al-Aḥkām tends to be textual and seems indifferent to the social conditions of the surrounding community. Moreover, it also uncovered how ʿUmdat al-Aḥkām sermons manifest the business purpose of Yufid rather than theological demand. Through this research, we suggest that the government or scholars can monitor online preaching on YouTube channels as an extension of real movements.
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 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| 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) | 0,002 | 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 ».