MétaCan
Menu
Retour à la cohorte
Enregistrement W4415979174 · doi:10.22548/shf.v17i2.1114

Tafsir in its Context, or How Socio-Political Milieu Informed What to Include and Exclude in Qur’an Commentaries: At-Tabari’s, Ibn Abi Hatim’s, and al-Maturidi’s Interpretations of Surah Al-Ma’idah (5): 51 as a Case Study

2024· article· W4415979174 sur OpenAlexaff
Annas Rolli Muchlisin

Notice bibliographique

RevueSUHUF · 2024
Typearticle
Langue
DomaineSocial Sciences
ThématiqueIslamic Studies and History
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésExegesisInterpretation (philosophy)AngerArabicPropositionIslam

Résumé

récupéré en direct d'OpenAlex

This paper analyzes the interpretations of Qur’an surah al-Ma’idah (5): 51 by three 10th-century exegetes: at-Tabariy, Ibn Abi Hatim, and al-Maturidiy. It argues that at-Tabariy’s commentary, though foundational, represents just one model of exegesis in the medieval period. Ibn Abi Hatim and al-Maturidiy incorporate unique interpretative materials, not found in at-Tabariy’s work. Al-Maturidiy offers three types of interpretation, while Ibn Abi Hatim narrates a story about Caliph ‘Umar’s anger at a companion hiring a Christian secretary. The study also contextualizes these interpretations within the socio-political environment of the 10th-century ‘Abbasid era, where non-Muslims gained influence. This article concludes that the Qur’an commentators’ decision to include and exclude certain interpretative materials in their tafsir works reflects, to some degree, the socio-political environments in which they lived and authored their works. Qur’an commentaries, like any other book, were not written in a vacuum.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,660
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,036
Tête enseignante GPT0,363
Écart entre enseignants0,327 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSUHUFMême sujetIslamic Studies and HistoryTravaux en français237 207