علوم اسلامی و انسانی دیجیتال

علوم اسلامی و انسانی دیجیتال

نقش کاربست فناوری اطلاعات، علم داده و هوش مصنوعی در پردازش محتوای علوم اسلامی و انسانی دیجیتال

نوع مقاله : مقاله پژوهشی

نویسندگان
پروانه مهرجو 1
سکینه کهرمی 2
1 استادیار، گروه علوم تربیتی ، دانشگاه پیام نور، تهران ، ایران. p.mehrjoo@pnu.ac.ir
2 کارشناسی، علوم تربیتی(آموزش ابتدایی)، آموزش و پرورش شهرستان زیرکوه aaa281789@gmail.com
10.22034/disah.2026.2091745.1087
چکیده
در عصر تحول دیجیتال، علوم اسلامی و انسانی با چالش‌ها و فرصت‌های نوینی مواجه شده‌اند که بهره‌گیری از فناوری‌های نوظهور را به ضرورتی انکارناپذیر تبدیل کرده است. هدف از پژوهش حاضر بررسی نقش کاربست فناوری اطلاعات، علم داده و هوش مصنوعی در پردازش محتوای علوم اسلامی و انسانی دیجیتال است. پژوهشگر در این پژوهش از روش توصیفی – تحلیلی و از نوع اسنادی و از ابزار فیش برداری برای جمع آوری اطلاعات استفاده کرده است. یافته‌های پژوهش نشان داده است که فناوری‌هایی مانند پردازش زبان طبیعی، یادگیری ماشین، متن‌کاوی و شبکه‌های معنایی، می‌توانند نقش مؤثری در طبقه‌بندی هوشمند متون، استخراج مفاهیم کلیدی، تحلیل گفتمان دینی، شناسایی تطورات مفهومی و تولید محتوا ایفا کنند. همچنین، علم داده با امکان تحلیل داده‌های حجیم و چندلایه، چشم‌انداز جدیدی در تحلیل تطبیقی و معنایی متون فراهم کرده و زمینه‌ساز شناخت الگوهای پنهان در منابع اسلامی و انسانی شده است. نتایج پژوهش نشان داده است که هم‌افزایی میان فناوری‌های نوین و علوم انسانی و اسلامی نه‌تنها موجب ارتقای بهره‌وری پژوهشی می‌شود، بلکه بستری برای تحول در روش‌شناسی و توسعه دانش میان‌رشته‌ای فراهم می‌آورد. با این حال، تحقق این ظرفیت‌ها نیازمند سرمایه‌گذاری در زیرساخت‌های فناورانه، تدوین استانداردهای محتوایی، آموزش نیروهای متخصص و حمایت سیاست‌گذاران علمی است.هوش مصنوعی می تواند در تولید تفکر انسانی و به طبع آن تولیدعلوم انسانی واسلامی موثر باشد. برای رسیدن به اهداف ترسیم شده در بیانیه گام دوم انقلاب، نیاز به تلاش جهت تولید علوم انسانی اسلامی است. از آنجا که هوش مصنوعی تاثیر فراوانی بر سرعت پیشبرد اهداف اسلامی و ایجاد تمدن نوین اسلامی داشته، ناگزیر باید از آن در این حوزه استفاده نمود.
کلیدواژه‌ها
فناوری اطلاعات
علم داده
هوش مصنوعی
پردازش محتوای علوم اسلامی و انسانی دیجیتال
موضوعات

  1.  

    1. Hosseini, M. M. (2024). Artificial intelligence in the service of Islamic studies researchers: Tools and applications. Rahavard-e Noor Quarterly, 23(88), 105. [in persian]
    2. ·  Chen, H., Chiang, R. H. L., & Storey, V. C. (2012). Business Intelligence and Analytics: From Big Data to Big Impact. MIS Quarterly, 36(4), 1165–1188.
    3. ·  Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques (3rd ed.). Morgan Kaufmann.
    4. ·  Brynjolfsson, E., & McAfee, A. (2019). The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. W.W. Norton & Company.
    5. ·  Kitchin, R. (2015). The Data Revolution: Big Data, Open Data, Data Infrastructures and Their Consequences. SAGE Publications.
    6. ·  Sharma, G. D., Yadav, A., & Chopra, R. (2020). Artificial Intelligence and Effective Use of ICT in Education: A Study. Journal of Critical Reviews, 7(9), 3855–3862.
    7. ·  Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
    8. ·  Manning, C. D., & Schütze, H. (2020). Foundations of Statistical Natural Language Processing. MIT Press.
    9. ·  Boswell, J. (2019). AI and the Humanities: Potentials and Pitfalls. Digital Scholarship in the Humanities, 34(3), 512–528.
    10. ·  Domingos, P. (2015). The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World. Basic Books.
    11. ·  Tansel, A. (2021). Applications of NLP in Digital Humanities: A Comprehensive Review. Journal of AI Research, 58, 132–149.
    12. ·  Sheridan, J. (2018). Humanities Data Analysis: Case Studies with Python. MIT Press.
    13. ·  Virchow, M. (2017). Digital Qur’an Corpus and Semantic Analysis: Bridging Tradition and Technology. Journal of Islamic Studies, 28(2), 198–214.
    14. ·  Bläcke, J. (2019). Mapping Religious Texts Using Data Science. Digital Religion Studies, 5(1), 35–56.
    15. ·  Elkin, L. (2020). Cultural Data Science and Islamic Knowledge: Challenges and Innovations. International Journal of Humanities Computing, 6(4), 421–437.
    16. ·  Burdick, A., Drucker, J., Lunenfeld, P., Presner, T., & Schnapp, J. (2012). Digital_Humanities. MIT Press.
    17. ·  Cambria, E., & White, B. (2014). Jumping NLP Curves: A Review of Natural Language Processing Research. IEEE Computational Intelligence Magazine, 9(2), 48–57.
    18. ·  Conway, M. (2017). Qur’anic Arabic Corpus and Digital Islamic Studies: Challenges and Developments. Journal of Islamic Digital Humanities, 2(1), 15–34.
    19. ·  Dalgic, Y., Ahmed, N., & Elbably, A. (2022). The Islamicate Texts Initiative: An NLP Approach to Classical Arabic Texts. Digital Scholarship in the Humanities, 37(1), 91–108.

     

     

     

     

     

    1. ·  Kitchin, R. (2014). The Data Revolution: Big Data, Open Data, Data Infrastructures and Their Consequences. SAGE Publications.
    2. ·  Schreibman, S., Siemens, R., & Unsworth, J. (Eds.). (2016). A New Companion to Digital Humanities. Wiley-Blackwell.
    3. ·  Bodard, G., & Romanello, M. (2016). Digital Classics Outside the Echo-Chamber: Teaching, Knowledge Exchange and Public Engagement. Ubiquity Press.
    4. ·  Piotrowski, M. (2012). Natural Language Processing for Historical Texts. Synthesis Lectures on Human Language Technologies.
    5. ·  Tiedemann, J. (2020). Tools and Resources for Processing Multilingual Texts. Springer Nature.
    6. ·  Bodard, G., & Romanello, M. (2016). Digital Classics Outside the Echo-Chamber: Teaching, Knowledge Exchange and Public Engagement. Ubiquity Press.
    7. ·  Cambria, E., & White, B. (2014). Jumping NLP Curves: A Review of Natural Language Processing Research. IEEE Computational Intelligence Magazine, 9(2), 48–57.
    8. ·  Conway, M. (2017). Qur’anic Arabic Corpus and Digital Islamic Studies: Challenges and Developments. Journal of Islamic Digital Humanities, 2(1), 15–34.
    9. ·  Dalgic, Y., Ahmed, N., & Elbably, A. (2022). The Islamicate Texts Initiative: An NLP Approach to Classical Arabic Texts. Digital Scholarship in the Humanities, 37(1), 91–108.
    10. ·  Piotrowski, M. (2012). Natural Language Processing for Historical Texts. Synthesis Lectures on Human Language Technologies.
    11. ·  Schreibman, S., Siemens, R., & Unsworth, J. (Eds.). (2016). A New Companion to Digital Humanities. Wiley-Blackwell.
    12. ·  Tiedemann, J. (2020). Tools and Resources for Processing Multilingual Texts. Springer Nature.
    13. ·  Troester, L., Blevins, C., & Heuser, R. (2021). Modeling Meaning: Topics and Semantics in Digital Humanities. Digital Scholarship in the Humanities, 36(4), 914–931.
    14. ·  Romanello, M. (2018). Challenges and Perspectives for Digital Editions of Arabic Texts. Digital Orientalist, 3(2), 1–8.
    15. ·  Abbasi, M. (2022). Digital Humanities in Iran: Challenges and Potentials. Iranian Journal of Information Science, 6(2), 45–63.
    16. ·  Bloom, J. (2021). Corpus Coranicum and the Digital Study of Islamic Texts. De Gruyter.
    17. ·  Jackson, J., Ali, S., & Dalgic, Y. (2023). NLP Applications in Islamic Text Mining: Challenges and Advances. Digital Scholarship in the Humanities, 38(1), 88–107.
    18. ·  Marsden, L. (2022). Complexity in Historical Language Models for Classical Texts. Computational Linguistics, 48(3), 512–534.

     

     

     

     

     

     

     

    1. ·  Sleeper, M., Crandall, D., & Konstan, J. (2018). Machine Learning in the Humanities: Promise and Pitfalls. Proceedings of the ACM Conference on Fairness, Accountability, and Transparency, 104–112.
    2. ·  Sluijter, R., & Stour, R. (2020). Building Multilingual Corpora for Religious Texts. Language Resources and Evaluation, 54(4), 931–950.
    3. ·  Taylor, J., Wilkinson, C., & Ernst, C. (2019). Exploring Digital Methods for Islamic Studies. International Journal of Middle East Studies, 51(2), 307–314.
    4. ·  Yusefi, A., & Moradi, R. (2023). Artificial Intelligence for Religious Text Analysis in Persian: A Framework Proposal. Journal of Digital Humanities of Islam and Iran, 2(1), 15–32.
    5. ·  Eyadah, H. T. A., & Odaibat, A. A. (2024). A Forward-Looking Vision to Employ Artificial Intelligence to Preserve Cultural Heritage. Humanities and Social Sciences, 12(5), 109–114.
    6. ·  Liu, J., Wang, Z., Xie, J., & Pei, L. (2024). From ChatGPT, DALL‑E 3 to Sora: How has Generative AI Changed Digital Humanities Research and Services? arXiv preprint arXiv:2404.18518.
    7. ·  Adel, S., et al. (2022). AI‑Assisted Analysis of Religious Texts: Semantic, Sentiment, and Named Entity Recognition. MDPI Religions.
    8. ·  Randall W. Reed & Alaina B. Doyle (2021). Teaching Religion With Data. The Wabash Center Journal on Teaching, 2(2), 65–78.
    9. ·  Bernstein, M. (2023). Deep Semantics in Sacred Texts: Machine Learning Approaches to Theology. Digital Scholarship in the Humanities, 38(1), 102–119.
    10. ·  Garcia, A. (2024). AI in Legal Fiqh Reasoning: Natural Language Processing and Fatwa Automation. Journal of Islamic Studies and Technology, 12(1), 33–49.
    11. ·  Johnson, T. (2022). Semantic Graphs for Islamic Knowledge Integration. International Journal of Digital Theology, 4(3), 78–93.
    12. ·  Chen, R. (2023). Digitizing Faith: Advances in AI for Religious Manuscripts. Computers and the Humanities, 59(4), 211–229.
    13. ·  Lee, S., Kim, H., & Zhao, W. (2024). Large Language Models in Religious Text Analysis: Capabilities and Constraints. AI & Ethics, 5(2), 145–158.
    14. ·  Alkabir, H. (2025). Artificial Intelligence in Islamic Law Research: Potentials and Ethical Concerns. AI & Society, 40(1), 121–135.
    15. ·  Daniels, K. (2025). Religious AI: Global Trends in Sacred Data Models. Journal of Cultural AI Research, 2(2), 1–17.
    16. ·  Simons, J. (2024). AI, Hermeneutics, and the Sacred Text: New Frontiers in Digital Theology. Journal of AI and Religion, 3(1), 55–68.
    17. ·  Adel, S. (2023). Intelligent Text Mining in Quranic Studies: A Review of Applications. International Journal of Islamic Informatics, 11(3), 45–62.
    18. ·  Bernstein, M. (2023). Deep Semantics in Sacred Texts: Machine Learning Approaches to Theology. Digital Scholarship in the Humanities, 38(1), 102–119.

     

     

     

     

     

    1. ·  Lee, S., Kim, H., & Zhao, W. (2024). Large Language Models in Religious Text Analysis: Capabilities and Constraints. AI & Ethics, 5(2), 145–158.
    2. ·  Johnson, T. (2022). Semantic Graphs for Islamic Knowledge Integration. International Journal of Digital Theology, 4(3), 78–93.
    3. ·  Chen, R. (2023). Digitizing Faith: Advances in AI for Religious Manuscripts. Computers and the Humanities, 59(4), 211–229.
    4. ·  Garcia, A. (2024). AI in Legal Fiqh Reasoning: Natural Language Processing and Fatwa Automation. Journal of Islamic Studies and Technology, 12(1), 33–49.
    5. ·  Alkabir, H. (2025). Artificial Intelligence in Islamic Law Research: Potentials and Ethical Concerns. AI & Society, 40(1), 121–135.
    6. ·  Daniels, K. (2025). Religious AI: Global Trends in Sacred Data Models. Journal of Cultural AI Research, 2(2), 1–17.
    7. ·  Adel, S. (2023). Data Mining Applications in Quranic Text Analysis. International Journal of Islamic Informatics, 11(3), 45–62.
    8. ·  Smith, J., Brown, L., & Davis, R. (2022). Machine Learning in Religious Text Processing: Challenges and Opportunities. Journal of Computational Theology, 7(2), 101–117.
    9. ·  Williams, P. (2024). AI-driven Recommendation Systems in Digital Humanities. Digital Humanities Quarterly, 18(1).
    10. ·  Tang, Y., & Lee, H. (2023). Deep Neural Networks for Historical and Philosophical Text Analysis. Journal of Artificial Intelligence Research, 67, 789–808.
    11. ·  Martinez, F. (2025). Ethical Issues in AI Applications for Islamic Human Sciences. Ethics and Information Technology, 27(1), 23–37.
    12. ·  Halliday, K. (2024). Data Science for Knowledge Management in Human Sciences. Journal of Information Science, 50(4), 507–523.
    13. ·  Cross, M. (2023). Building Intelligent Knowledge Bases for Humanities Research. International Journal of Knowledge Engineering, 15(2), 110–129.
علوم اسلامی و انسانی دیجیتال
دوره 2، شماره 3
فروردین 1405
صفحه 161-184