Bibliographic record
Abstract
“Mehmed Zihni Efendi’nin Arap Lügatçiliğindeki Yeri” adlı tez çalışmamızda amacımız Osmanlı Devleti’nin son dönemlerinde yetişmiş büyük İslam alimlerinden Mehmed Zihni Efendi’nin sözlük kullanımına verdiği önemi göstererek sözlüklerin edebi ve ilmi açıdan işlevselliğini vurgulamak ve telif ettiği bir sözlüğü bulunmadığı halde kendisinin sözlük alanına katkılarını ortaya koymaktır. Çalışmamız iki bölüm ve ekten oluşmaktadır. İlk bölümde konuya temel olarak Arap dilinde sözlük çalışmaları ve sözlük yazım ekolleri, Osmanlı döneminde yapılan Arapça-Türkçe sözlük çalışmaları hakkında bilgi verdik. İkinci bölümde ise Zihni Efendi’nin Arap dili grameri ve edebiyatına dair Müntehab, Muktedab ve el-Kavlü’l-ceyyid adlı eserlerini inceleyerek hangi sözlüklerden, ne sıklıkla ve hangi sebeplerle faydalandığını tespit edip sözlüklerden istifade yöntemini ortaya koymaya çalıştık. Zihni Efendi’nin Türkçe açıklamalarda bulunduğu Arapça kelimeleri derleyerek meydana getirdiğimiz sözlük çalışmasını tertip, dil, anlam ve dil bilgisi yönünden inceleyerek tespitlerimizi dile getirdik. Zihni Efendi’nin özgünlüğünü görebilmek adına belli başlı kelime açıklamalarını Ahterî, Vankulu Lügati ve Kâmûs Tercümesi ile karşılaştırdık. Zihni Efendi adına oluşturduğumuz yedi bin küsür kelimelik sözlük çalışmasını ise ekte sunduk.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.058 | 0.012 |
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".