IMPLIKASI PERUBAHAN DERIVASI DAN MAKNA “ضرب” DALAM AL-QURAN TERHADAP TERJEMAHNYA
Bibliographic record
Abstract
Secara hipotesis keilmuan kebahasaaraban tidak akan lahir tanpa ada Al Quran meskipun Al Quran turun kepada bangsa Arab yang pandai bersyair, bahkan tumbuh dan berkembangnya bahasa Arab tidak lain dari peran Al Quran sebagai Ummul Ilmu kebahasaan itu sendiri, Bahasa Arab merupakan produk peradaban yang menjadi icon masyarakat muslim dan rujukan dalam memahami Al Quran. Terkadang satu kata dalam bahasa Arab akan melahirkan berbagai macam arti yang diperlukan kecermatan, ketelitian bahkan diperlukan komptenesi linguistik bahasa Arab. penelitian ini menggunakan metode kualitatif dengan model analisis isi (Content Analysis). Sejumlah kalimat ضرب dan derivasi nya dikumpulkan melalui dokumentasi tertulis (mushaf Al Quran) dan pedoman pencatatan data. Kemudian data tersebut dianalisis secara kualitatif untuk mengkaji makna morfologi kalimat dan variasi makna secara gramatikalnya. Dari penelitian ini ditemukan kata ضرب dan derivasinya yang terdapat dalam 28 surah dalam Al Quran dengan 55 bentuk kalimat, Secara umum dalam Al Quran perubahan bentuk derivasi dan makna kalimat ضرب dapat dikelompokkan kedalam 7 bagian yaitu tanpa perubahan bentuk kalimat, dalam hal ini kalimat ضرب tidak mengalami perubahan bentuk apapun; perubahan bentuk masdhar dari kalimat asli; Adanya penambahan dhamir di akhir kalimat; Perubahan bentuk mudhari’ dengan dhamir yang tersembunyi; perubahan bentuk kalimat Majhul; penambahan huruf la nahiyah yang bermakna larangan; perubahan bentuk Amar/perintah.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.029 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".