Buhârî’nin Fezâilü’l-Kur’ân Bölümünün Kur’ân Tarihi Açısından İncelenmesi
Bibliographic record
Abstract
Kütüb-i Sitte müellifleri eserlerinde Fezâilü’l-Kur’ân/Edebü’l-Kur’ân bölümüne yer vermekte, bölümde sevap ve fazilet içerikli bilgiler aktarmaktadır. Ancak Mustafa el-A‘zamî (1932-2017), Fuat Sezgin (1924-2018) ve Hollanda asıllı oryantalist Harald Motzki (1948-2019) Buhârî’nin (ö. 256/870), Fezâilü’l-Kur’ân bölümünde tarihi bilgilere de yer verdiğini, bu bilgilerin erken dönem Kur’ân bilincine işaret ettiğini söylemektedir. Bu itibarla çalışmada Buhârî’nin Fezâilü’l-Kur’ân bölümünde yer alan Kur’ân tarihi bilgisi ve bu bilgileri aktarma usûlü sorunsal addedilerek cevap aranmaktadır. Çalışma, tefsir disiplininin temel alanlarından olan Kur’ân tarihi birikimine bir muhaddisin tespit ve yaklaşımlarını kazandırma amacındadır. Tarihsel verilerin tespiti, doküman analizi ve analitik değerlendirme yöntemleriyle yapılan araştırmada Buhârî’nin, bölümün ilk 8 bâbında, yani ilk 26 rivayetinde Kur’ân tarihi bilgilerine yer verdiği tespit edilmektedir. Bu bâb ve rivayetlerin vahyin nüzul süreci, indirildiği dil, Kur’ân’ın cem‘i, istinsahı, yedi harf ve sûrelerin tertibi konularına dair bilgiler içerdiği sonucuna ulaşılmaktadır. Dolayısıyla Buhârî’nin, rivayetleri tematik olarak tasnif ederken Kur’ân’ın tespiti, tertibi ve istinsahı gibi meselelere dair bakış açısı kazandırmak istediği anlaşılmaktadır.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.037 | 0.007 |
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".