Bibliographic record
Abstract
Türkiye ve Japonya’da Mezarlık Kültürü ve RuhMelek KABA5Asya’nın doğu ve batı ucunda yer alan iki olan Türkiye ve Japonya, coğrafi olarakuzak olmakla birlikte kültürel bağlamda bir takım yakınlıklara sahiptir.Türkiye’de bir inanç sisteminden bahsedildiğinde ilk akla gelen İslamiyet olurken,Japonya için bunun yerini Budizm alır. Ancak bu ülkede Şimtoizm ve Hristiyanlık da varlığınısürdürmektedir.Türkiye ve Japonya’da inanç bağlamında çerçevesi oluşturulan ruha bakış ve insanınölümünden sonra ruha ne olacağı ile ilgili düşünceler ve halk inançları farklılıkgöstermektedir. Ölümden sonra Türkiye’de çoğunlukla mezara konan beden, Japonya’dayakılmaktadır. Ancak ölen kişinin ruhunun var olmaya devam edip etmeyeceği ve varolmaya devam ettiği takdirde bu ruhun ne tür deneyimleri olacağı konusuda iki ülkeningenel inançlarında ruh, varlığına devam etmektedir. Diğer yandan her iki toplumda datürbelere özel bir değer atfedilmektedir. Ayrıca bu iki toplumun mezarlık kültürününgelişimi de tarihsel açıdan bakıldığında benzerlik ve farklılıklara sahiptir.Bu araştırma günümüz Türk ve Japon toplumunda yaşamakta olan, ölüm sonrasındaruha bakışı, her iki toplumun mezarlık kültürü ekseninde incelemeyi hedeflemekte veölülerle ilgili ritüeller, türbe kültürü, türbe ve mezarlara dua etme ve adak sunma geleklerikarşılaştırmalı olarak inceleyerek, iki kültürün ruha bakışı tartışmaktadır.. Anahtar Kelimeler: Türk ve Japon kültüründe ruh, mezarlık kültürü, türbe kültürü
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) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.027 | 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".