Optimizing Qur'an Interpretation with Natural Language Processing Through Critical Review and Practical Implications
Notice bibliographique
Résumé
Objective: The purpose of this study is to examine the potential and challenges of the integration of Natural Language Processing (NLP) technology in the study of Qur'an interpretation in response to the need for more adaptive interpretation in the digital era. Theoretical framework: The theoretical framework of this research is based on the interdisciplinary between Islamic studies, computational linguistics, and artificial intelligence, especially in the context of Natural Language Processing. Literature review: The literature review includes classical and contemporary literature on Qur'anic interpretation, as well as an exploration of digital projects that utilize NLP in the processing of religious texts. Methods: This study uses a qualitative descriptive approach based on a literature study to analyze the development of NLP technology and its relevance in interpretation studies. Results: The results show that NLP has great potential as a strategic tool in Islamic education, da'wah, and research, especially if it is developed ethically and collaboratively between experts from various disciplines. Implication: The implication of this study is the need to build a digital interpretation system that is not only technologically sophisticated, but also sensitive to the theological, cultural, and spiritual values of Muslims. Novelty: The novelty of this research lies in the proposal of NLP integration as an alternative approach in the study of contextual and adaptive interpretation of the Qur'an to the needs of the digital generation, as well as the emphasis on the importance of cross-field collaboration to ensure scientific accuracy and relevance.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».