Athletes’ Experiences of AI-Generated Images in Qualitative Research
Bibliographic record
Abstract
Kajian ini bertujuan untuk memaparkan pemikiran Hans Küng dan Seyyed Hossein Nasr. Nasr mencari pengetahuan berdasarkan kepastian, yang akhirnya ia temukan dalam metafisika tradisional. Dia menerima bukan hanya berdasarkan iman, tetapi pada intuisi intelektual sesuai dengan apa yang Al-Qur'an sebut sebagai (' ilm al-yaqin ), Nasr memperkuat imannya dengan wahyu. Seluruh kehidupan Nasr bersandar pada perpaduan antara aktivitas intelektual dengan praktik spiritual. Bagi Küng, pada pendekatan teologis fundamental untuk mengatasi pemikiran baku Neo-Skolastik Abad Pertengahan, yang di dalamnya iman dapat ditunjukkan sebagai bukan sekadar lebih tinggi daripada akal. Dikotomi Barthian Protestan menekankan bahwa iman tidak bertentangan dengan akal dan dikotomi pencerahan modern menekankan bahwa akal tidak bertentangan dengan iman. Bekerja dengan pendekatan ekumenis-kunci ini, Raja mampu mengembangkan apa makna iman kepada Tuhan, khususnya dalam iman Kristiani, di masa sekarang. Kajian ini menggunakan pendekatan kualitatif yaitu dengan mencari data yang disajikan berupa penyataan dari beberapa sumber literatur yang berkaitan dengan tema yang akan dibahas. Metode yang dilakukan deskriptif yaitu data yang telah terkumpul kemudian dilaporkan secara deskriptif dan dianalisis. Kajian ini menemukan bahwa pada prinsipnya, Nasr dan Küng tampaknya tidak memiliki perbedaan pendapat dalam hal hubungan antara Iman dan Akal. Implikasi dari kajian ini adalah dialog antar umat beragama yang sungguh-sungguh mampu menimbulkan pemahaman dan pencerahan kepada umat dalam wadah kerukunan hidup antar umat beragama.
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 | 0.069 | 0.060 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.013 | 0.023 |
| Scholarly communication | 0.011 | 0.007 |
| Open science | 0.003 | 0.010 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".