linguistic analysis

Contextual Qur’anic interpretation faces the challenge of relating the historical meaning of a text to contemporary ethical issues without disregarding its original significance. This challenge is evident in the interpretation of taṭfīf in Q.S. Al-Muṭaffifīn [83]: 1–6, which historically concerns fraudulent measurement and weighing but also presents an ethical pattern involving the fulfillment of entitlements in exchange relationships. Previous studies have examined taṭfīf in relation to commercial ethics and contextual interpretation, yet the analytical relationship between its specific meaning and contemporary ethical application requires further clarification. This study develops an interpretive framework integrating textual context, historical context, and audience-oriented interpretation. It employs qualitative library research and contextual textual analysis of the relevant Qur’anic verses, classical exegetical works, and literature on linguistics and hermeneutics. The analysis examines the passage’s internal structure, its historical context, the audience’s role in constructing understanding, and the conditions for contemporary ethical application. The findings indicate that the contrast between yastawfūn and yukhsirūn represents an asymmetry in the fulfillment of entitlements, while historical contextualization confirms that the primary meaning of taṭfīf remains associated with deficient measurement and weighing. Building on this distinction, the study proposes asymmetrical entitlement as an analytical concept describing a situation in which one party demands full fulfillment of its own entitlement while diminishing another party’s legitimate due. Its application is governed by four criteria: legitimate entitlement, a reciprocal relationship, unequal standards, and an advantage obtained by reducing another party’s due. This study offers a framework for extending the ethical relevance of Qur’anic discourse through contextual interpretation while distinguishing contemporary ethical analogy from the original lexical meaning of taṭfīf.

تفسیر قرآنی مبتنی بر زمینه با چالش ارتباط دادن معنای تاریخی متن با مسائل اخلاقی معاصر بدون نادیده گرفتن اهمیت اصلی آن مواجه است. این چالش در تفسیر تطفیف در سوره مطففین [۸۳]: ۱–۶ آشکار است؛ آیاتی که به طور تاریخی به تقلب در سنجش و وزن اشاره دارند، اما همچنین الگویی اخلاقی در خصوص ایفای حقوق در روابط مبادله‌ای ارائه می‌دهند. پژوهش‌های پیشین تطفیف را در ارتباط با اخلاق تجاری و تفسیر زمینه‌ای بررسی کرده‌اند، اما رابطه تحلیلی میان معنای خاص آن و کاربرد اخلاقی معاصر نیازمند تبیین بیشتری است. این مطالعه چارچوب تفسیری‌ای را توسعه می‌دهد که زمینه متنی، زمینه تاریخی و تفسیر مخاطب‌محور را ادغام می‌کند. پژوهش حاضر با استفاده از روش کتابخانه‌ای کیفی و تحلیل متنی زمینه‌ای آیات مربوطه قرآن، آثار تفسیری کلاسیک و ادبیات زبان‌شناسی و هرمنوتیک انجام شده است. تحلیل، ساختار درونی این بخش، زمینه تاریخی آن، نقش مخاطب در ساخت فهم و شرایط کاربرد اخلاقی معاصر را بررسی می‌کند. یافته‌ها نشان می‌دهد که تقابل میان «یستوفون» و «یخسرون» بیانگر عدم تقارن در ایفای حقوق است، در حالی که زمینه تاریخی تأیید می‌کند که معنای اولیه تطفیف همچنان به کم‌فروشی در سنجش و وزن مربوط است. بر اساس این تمایز، مطالعه حاضر «حق نامتقارن» را به عنوان مفهومی تحلیلی پیشنهاد می‌دهد که وضعیتی را توصیف می‌کند که در آن یک طرف خواهان ایفای کامل حق خود است، در حالی که حق مشروع طرف مقابل را کاهش می‌دهد. کاربرد این مفهوم تابع چهار معیار است: حق مشروع، رابطه متقابل، استانداردهای نابرابر و کسب منفعت از طریق کاهش حق طرف مقابل. این مطالعه چارچوبی برای گسترش ارتباط اخلاقی گفتمان قرآنی از طریق تفسیر زمینه‌ای ارائه می‌دهد و در عین حال تمایز میان قیاس اخلاقی معاصر و معنای واژگانی اصلی تطفیف را حفظ می‌کند.

The digitization of the Qur’an has reconfigured how Qur’anic interpretation (tafsīr) is produced, mediated, and perceived, particularly as artificial intelligence (AI) enters a tradition grounded in sanad, the chain of scholarly transmission. This study aims to examine the development of AI in digital tafsir, compare algorithmic interpretation with classical tafsir methodology, and assess how algorithmic visibility relates to epistemic authority and the validity of interpretation. Using a descriptive-analytical-critical approach combined with comparative and critical (naqd) methods, this library research draws on scholarly literature on digital religion, AI, and tafsir, including a secondary comparative study of ChatGPT and classical tafsir. The analysis is framed by Islamic epistemology, namely sanad, uṣūl al-tafsīr, and maqāṣid al-sharī‘ah. The findings indicate that AI has evolved from digitization and curated repositories into generative systems that are effective for access, linguistic analysis, and the preservation of turāth. However, the generative model examined shows limitations regarding sanad, asbāb al-nuzūl, maqāṣid, and verifiable references, although this evidence is limited and cannot be generalized to all AI systems. Aspects that have undergone a shift is the visibility and perceived authority of interpretation, not demonstrably its epistemic legitimacy. These findings demonstrate that the shift is an epistemological tendency rather than an empirically proven displacement of scholars, and that integrating scholarly authority with digital innovation should follow four principles of a digital sanad: source traceability, scholarly accountability, methodological transparency, and the separation of visibility from legitimacy.

دیجیتالی‌شدن قرآن، نحوه تولید، واسطه‌گری و ادراک تفسیر قرآن (تفسیر) را به‌ویژه با ورود هوش مصنوعی (AI) به سنتی مبتنی بر سند، یعنی زنجیره انتقال علمی، بازپیکربندی کرده است. هدف این مطالعه بررسی توسعه هوش مصنوعی در تفسیر دیجیتال، مقایسه تفسیر الگوریتمی با روش‌شناسی تفسیر کلاسیک و ارزیابی ارتباط رویت‌پذیری الگوریتمی با اقتدار معرفتی و روایی تفسیر است. با بهره‌گیری از رویکرد توصیفی-تحلیلی-انتقادی همراه با روش‌های مقایسه‌ای و انتقادی (نقد)، این پژوهش کتابخانه‌ای از ادبیات علمی درباره دین دیجیتال، هوش مصنوعی و تفسیر بهره می‌گیرد و شامل مطالعه تطبیقی ثانویه میان ChatGPT و تفسیر کلاسیک است. تحلیل در چارچوب معرفت‌شناسی اسلامی، به‌ویژه سند، اصول تفسیر (اصول التفسیر) و مقاصد شریعت (مقاصد الشریعه) صورت گرفته است. یافته‌ها نشان می‌دهد که هوش مصنوعی از دیجیتالی‌سازی و مخازن گزینش‌شده به سامانه‌های مولد تکامل یافته که برای دسترسی، تحلیل زبانی و حفظ تراث مؤثر هستند. با این حال، مدل مولد بررسی‌شده در زمینه سند، اسباب النزول، مقاصد و منابع قابل راستی‌آزمایی محدودیت‌هایی دارد، هرچند این شواهد محدود بوده و قابلیت تعمیم به همه سامانه‌های هوش مصنوعی را ندارد. جنبه‌هایی که دچار تحول شده‌اند، رویت‌پذیری و اقتدار ادراک‌شده تفسیر است، نه مشروعیت معرفتی آن به‌صورت اثبات‌شده. این یافته‌ها نشان می‌دهد که این تحول، گرایشی معرفتی است نه جابه‌جایی تجربی اثبات‌شده جایگاه علما، و اینکه ادغام اقتدار علمی با نوآوری دیجیتال باید بر اساس چهار اصل سند دیجیتال صورت گیرد: قابلیت ردیابی منبع، پاسخگویی علمی، شفافیت روش‌شناختی و تفکیک رویت‌پذیری از مشروعیت.

Assessment feedback is crucial for student learning and satisfaction in higher education. However, many students find it vague or unhelpful, leading to dissatisfaction. Workload pressures on educators limit opportunities to provide detailed, personalised feedback. The present study explores a data-driven approach that integrates linguistic analysis into assessment feedback, aiming to enhance its clarity and increase student satisfaction. Using computational methods, we analysed a 235,118-word corpus from 115 postgraduate essays, examining lexical diversity, readability, and word frequency. Individualised Linguistic Feedback Reports (LFRs) were created and shared alongside traditional feedback. Survey responses (N = 59) showed students found LFRs clearer and more satisfying. Although perceived usefulness and actionability were not significantly different, qualitative feedback highlighted the value of objective, specific writing insights. These findings suggest that linguistically informed feedback can improve clarity and satisfaction without increasing staff workload, offering a promising step towards more engaging and effective feedback models.

بازخورد ارزیابی نقش حیاتی در یادگیری و رضایت دانشجویان در آموزش عالی ایفا می‌کند. با این حال، بسیاری از دانشجویان آن را مبهم یا غیرمفید می‌یابند که منجر به نارضایتی می‌شود. فشار حجم کار بر اساتید فرصت ارائه بازخورد دقیق و شخصی‌سازی‌شده را محدود می‌کند. مطالعه حاضر رویکردی مبتنی بر داده را بررسی می‌کند که تحلیل زبانی را در بازخورد ارزیابی ادغام می‌کند، با هدف افزایش شفافیت و ارتقای رضایت دانشجویان. با استفاده از روش‌های محاسباتی، پیکره‌ای شامل ۲۳۵٬۱۱۸ واژه از ۱۱۵ مقاله تحصیلات تکمیلی تحلیل شد و تنوع واژگانی، خوانایی و فراوانی واژه‌ها مورد بررسی قرار گرفت. گزارش‌های بازخورد زبانی فردی (LFRs) تهیه و همراه با بازخورد سنتی به اشتراک گذاشته شد. پاسخ‌های پرسشنامه (N = 59) نشان داد که دانشجویان LFRs را شفاف‌تر و رضایت‌بخش‌تر یافتند. اگرچه تفاوت معناداری در سودمندی ادراک‌شده و قابلیت اقدام وجود نداشت، بازخورد کیفی بر ارزش بینش‌های عینی و خاص در نوشتار تأکید داشت. این یافته‌ها نشان می‌دهد که بازخورد مبتنی بر تحلیل زبانی می‌تواند بدون افزایش حجم کار کارکنان، شفافیت و رضایت را بهبود بخشد و گامی امیدبخش به سوی مدل‌های بازخورد مؤثرتر و جذاب‌تر ارائه می‌دهد.

The objective of this proof-of-concept study was to apply natural language processing (NLP) techniques to case notes of probationers to identify textual features associated with absconding from supervision. A text regression method called concise comparative summaries (CCS) was applied to case notes from N = 2,000 misdemeanor and felony offenders on probation in Tarrant County, Texas. Half of the probationers had completed probation, while the other half had absconded. There were 10 words and phrases associated with probation absconding (e.g., “technical violation”, “failed pay”, “cannabinoids”) and 14 associated with probation completion (e.g., “paid fees”, “alcohol use”, and “everything going well”). Results affirm the utility of using NLP methods to identify key words and phrases that are associated with probation absconding and completion and may help generate hypotheses for future research on absconding.

هدف این مطالعه اثبات مفهوم، به‌کارگیری تکنیک‌های پردازش زبان طبیعی (NLP) بر یادداشت‌های پرونده افراد تحت آزادی مشروط به‌منظور شناسایی ویژگی‌های متنی مرتبط با فرار از نظارت بود. یک روش رگرسیون متنی با عنوان خلاصه‌های مقایسه‌ای موجز (CCS) بر یادداشت‌های پرونده N = 2,000 نفر از مجرمان دارای جرایم جنحه و جنایی که در شهرستان Tarrant ایالت تگزاس تحت آزادی مشروط بودند، اعمال شد. نیمی از افراد تحت آزادی مشروط دوره خود را به پایان رسانده بودند و نیمی دیگر فرار کرده بودند. ده واژه و عبارت با فرار از آزادی مشروط (مانند «تخلف فنی»، «عدم پرداخت»، «cannabinoids») و چهارده واژه و عبارت با اتمام آزادی مشروط (مانند «پرداخت هزینه‌ها»، «مصرف الکل» و «همه چیز به خوبی پیش می‌رود») مرتبط بودند. نتایج، سودمندی استفاده از روش‌های NLP برای شناسایی واژه‌ها و عبارات کلیدی مرتبط با فرار و اتمام آزادی مشروط را تأیید می‌کند و ممکن است به تولید فرضیه‌هایی برای پژوهش‌های آینده درباره فرار کمک کند.

This study examines the semantic network of the term Al-Birr in the Qur'an in order to formulate a theological foundation for inclusive tolerance. The study is grounded in the reality of human plurality as a sunnatullah (divinely ordained principle), which necessitates positive interaction among people, while the understanding of Al-Birr has often been confined to the dimension of individual piety. Employing a qualitative library research method and a thematic (maudhu‘i) Qur’anic interpretation approach, this study analyzes 31 occurrences of the root word ب-ر-ر in the Qur'an. Semantic analysis is used to explore its basic lexical meaning as well as its syntagmatic and paradigmatic relationships. The findings reveal that Al-Birr is derived from the concept of Al-Barr (vast land), which conveys the meanings of expansiveness, steadfastness, and consistency in goodness. Semantically, Al-Birr is closely related to Iman (faith) as its foundation, Al-Taqwa (God-consciousness) as its inner orientation, and Al-Ihsan (spiritual excellence) as the perfection of spiritual quality. It also stands in contrast to Al-Itsm (sin) and Al-‘Udwan (transgression). The findings from Qur'an 60:8 (QS Al-Mumtahanah: 8) affirm that showing tolerance toward non-Muslims who do not engage in hostility against Muslims constitutes an ideal form of righteousness. Furthermore, the relationship between Al-Birr and Al-Qisth (justice) demonstrates that tolerance in Islam is not merely a passive attitude but rather an active, just, and sustainable expression of social piety. The novelty of this study lies in its integration of linguistic analysis and socio-religious context to construct a more comprehensive understanding of tolerance for multicultural societies.

این پژوهش به بررسی شبکه معنایی واژه البرّ در قرآن کریم می‌پردازد تا بنیانی الهیاتی برای تساهل فراگیر ارائه دهد. این مطالعه مبتنی بر واقعیت تکثر انسانی به عنوان سنت‌الله است که تعامل مثبت میان انسان‌ها را ضروری می‌سازد، در حالی که فهم البرّ اغلب به بُعد تقوای فردی محدود شده است. با بهره‌گیری از روش پژوهش کتابخانه‌ای کیفی و رویکرد تفسیر موضوعی (موضوعی/مضامینی) قرآن، این پژوهش ۳۱ مورد کاربرد ریشه ب-ر-ر در قرآن را تحلیل می‌کند. تحلیل معنایی برای بررسی معنای لغوی پایه و نیز روابط نحوی و هم‌نشینی و جانشینی آن به کار رفته است. یافته‌ها نشان می‌دهد که البرّ از مفهوم البرّ (زمین وسیع) مشتق شده که معانی وسعت، استواری و پایداری در نیکی را منتقل می‌کند. از نظر معنایی، البرّ با ایمان به عنوان بنیاد، تقوا به عنوان جهت‌گیری درونی، و احسان به عنوان کمال کیفیت معنوی ارتباط نزدیک دارد و در تقابل با اثم (گناه) و عدوان (تجاوز) قرار می‌گیرد. یافته‌های آیه ۶۰:۸ قرآن (سوره ممتحنه: ۸) تأیید می‌کند که مدارا با غیرمسلمانانی که با مسلمانان دشمنی نمی‌کنند، شکل ایده‌آل نیکوکاری است. افزون بر این، رابطه البرّ با قسط (عدالت) نشان می‌دهد که تساهل در اسلام صرفاً یک نگرش منفعل نیست، بلکه تجلی فعال، عادلانه و پایدار دینداری اجتماعی است. نوآوری این پژوهش در ادغام تحلیل زبانی و زمینه اجتماعی-دینی برای ساختن درکی جامع‌تر از تساهل در جوامع چندفرهنگی نهفته است.

Mood follows a well-documented circadian rhythm. Sleep timing and duration are similarly shaped by biological and social factors. However, large-scale, real-world data on how these patterns vary across demographic groups remain limited. Prior studies often rely on laboratory data or social media linguistic analysis, which lack direct self-reports. This study examines hourly, weekly, and demographic trends in mood and sleep duration reports using one of the largest online datasets of directly self-reported behavioral health: 468,092 Lumosity users (aged 20–79) who reported daily mood (−2 to +2 scale) and sleep duration (≤5–9 + hours). We assessed variation by time of day, day of week, and interactions of age, gender, and race/ethnicity using ANOVA and linear regression. Mood was higher among users reporting in the afternoon and evening, and lower from late night through morning. Mood showed a U-shaped pattern with age, consistent throughout the week, and longer sleep duration was linked to better mood reports throughout the day and week. Sleep duration varied by time of report and by day of week, with longer durations in the afternoon/evening and on weekends. Women reported longer sleep overall, Black users reported shorter sleep, and sleep duration declined from young adulthood through midlife before rising slightly among older users. Higher mood was associated with longer sleep, and the weekday-weekend mood difference was larger among users reporting longer sleep. These findings demonstrate the value of large-scale digital data for public health insight, highlighting demographic disparities in sleep and the importance of midlife as a key intervention period. Because the sample is likely skewed toward higher educational attainment and health engagement, disparity estimates may understate true population-level differences. The late-night peak in negative affect aligns with literature on nocturnal suicide risk, though this nonclinical sample cannot directly speak to clinical risk or crisis-service need.

خلق و خو از یک ریتم شبانه‌روزی مستند پیروی می‌کند. زمان‌بندی و مدت خواب نیز به طور مشابه تحت تأثیر عوامل زیستی و اجتماعی قرار دارند. با این حال، داده‌های واقعی و گسترده درباره چگونگی تغییر این الگوها در میان گروه‌های جمعیت‌شناختی همچنان محدود است. مطالعات پیشین اغلب به داده‌های آزمایشگاهی یا تحلیل زبانی شبکه‌های اجتماعی متکی هستند که فاقد خودگزارش‌دهی مستقیم می‌باشند. این مطالعه روندهای ساعتی، هفتگی و جمعیت‌شناختی در گزارش‌های خلق و مدت خواب را با استفاده از یکی از بزرگ‌ترین مجموعه داده‌های آنلاین سلامت رفتاری با خودگزارش‌دهی مستقیم بررسی می‌کند: ۴۶۸٬۰۹۲ کاربر Lumosity (در بازه سنی ۲۰ تا ۷۹ سال) که روزانه خلق (در مقیاس −۲ تا +۲) و مدت خواب (۵ ساعت یا کمتر تا ۹ ساعت و بیشتر) را گزارش کردند. ما تغییرات را بر اساس زمان روز، روز هفته و تعاملات سن، جنسیت و نژاد/قومیت با استفاده از تحلیل واریانس (ANOVA) و رگرسیون خطی ارزیابی کردیم. خلق در میان کاربرانی که در بعدازظهر و عصر گزارش داده‌اند بالاتر و از نیمه‌شب تا صبح پایین‌تر بود. خلق الگوی U شکلی با سن نشان داد که در طول هفته ثابت بود و مدت خواب طولانی‌تر با گزارش‌های خلق بهتر در سراسر روز و هفته همراه بود. مدت خواب بر اساس زمان گزارش و روز هفته متفاوت بود، به طوری که در بعدازظهر/عصر و آخر هفته‌ها مدت خواب طولانی‌تر بود. زنان به طور کلی خواب طولانی‌تری گزارش کردند، کاربران سیاه‌پوست خواب کوتاه‌تری گزارش کردند و مدت خواب از اوایل بزرگسالی تا میانسالی کاهش یافت و سپس در میان کاربران مسن‌تر اندکی افزایش یافت. خلق بالاتر با خواب طولانی‌تر همراه بود و تفاوت خلق بین روزهای هفته و آخر هفته در میان کاربرانی که خواب طولانی‌تری گزارش کردند بیشتر بود. این یافته‌ها ارزش داده‌های دیجیتال گسترده را برای بینش سلامت عمومی نشان می‌دهد و بر نابرابری‌های جمعیت‌شناختی در خواب و اهمیت میانسالی به عنوان دوره‌ای کلیدی برای مداخله تأکید می‌کند. از آنجا که نمونه احتمالاً به سمت تحصیلات بالاتر و مشارکت بیشتر در سلامت گرایش دارد، برآورد نابرابری‌ها ممکن است تفاوت‌های واقعی در سطح جمعیت را کمتر از واقعیت نشان دهد. اوج خلق منفی در نیمه‌شب با ادبیات مربوط به خطر خودکشی شبانه همسو است، اگرچه این نمونه غیر بالینی نمی‌تواند مستقیماً درباره خطر بالینی یا نیاز به خدمات بحران اظهار نظر کند.