افق‌های نوین در پژوهش‌های علوم اسلامی: چگونه هوش مصنوعی فرایندهای فهرست‌نویسی، نمایه‌سازی و تحلیل متون را متحول می‌کند؟

نوع مقاله : مقاله پژوهشی

نویسنده

استادیار. گروه سازماندهی اطلاعات و مدارک، پژوهشکده مدیریت اطلاعات و مدارک اسلامی، پژوهشگاه علوم و فرهنگ اسلامی، قم، ایران.

10.22081/jikm.2026.75253.1129

چکیده

سازمان‌دهی اطلاعات و تراث عظیم مکتوب در علوم اسلامی، همواره دغدغۀ پژوهشگران، محدثان و فقیهان بوده است. هرچند روش‌های سنتی نمایه‌سازی، فهرست‌نویسی، چکیده‌نویسی و مأخذشناسی، شالودۀ پژوهش‌های دینی را شکل داده‌اند، اما در مواجهه با حجم انبوه داده‌های معاصر و لزوم پاسخ‌گویی به مسائل مستحدثه با چالش‌های جدی، نظیر کندی فرایندها، خطای انسانی و ناتوانی در بازیابی معنایی روبه‌رو هستند. این پژوهش به بررسی تحول شگرفی می‌پردازد که هوش مصنوعی و بویژه پردازش هوشمند متن در سازمان‌دهی دانش علوم اسلامی ایجاد کرده است. در این راستا، چهار فرایند کلیدی «فهرست‌نویسی هوشمند و دیجیتال‌سازی نسخ خطی»، «نمایه‌سازی معنایی و موضوعی»، «چکیده‌نویسی خودکار متون طولانی استدلالی» و «استخراج روابط مفهومی و درختوارۀ دانش» تشریح شده است و مدل‌های فنی آنها به زبان تحلیلی تبیین می‌شود. همچنین، خدمات ارزش‌آفرینی همچون جست‌وجوی معنایی پیشرفته (با واکاوی نمونۀ قرآنی واژۀ «حسبان» و نمونۀ فقهی واژۀ «ربا») و سیستم دستیار پژوهشی هوشمند در قالب سناریوی کاربردی «ضمان در فضای مجازی» به تصویر کشیده شده است. یافته‌های پژوهش نشان می‌دهد که هوش مصنوعی نه به‌عنوان جایگزین مجتهد یا پژوهشگر، بلکه به‏عنوان یک دستیار ارتقادهندۀ ذهن و حافظه، عمل می‌کند. این ابزار با آزادسازی پژوهشگران از فرایندهای فرسایندۀگردآوری، تمرکز آنان را بر تحلیل، اجتهاد و نوآوری علمی معطوف می‌سازد. در نهایت، چالش‌های اخلاقی و فنی، نظیر توهم سیستمی (جعل دیجیتال) و سوگیری‌های مذهبی در داده‌سپاری، واکاوی شده و راهکارهای عملیاتی ارائه گردیده است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

New Horizons in Islamic Studies Research: How Artificial Intelligence Is Transforming Text Cataloging, Indexing, and Analysis Processes

نویسنده [English]

  • Seyyed Mahdi Majidi Nezami
Assistant Professor, Department of Information and Document Organization, Research Center for Islamic Documents and Information Management, Islamic Sciences and Culture Academy, Qom, Iran
چکیده [English]

The organization of information and the vast body of written heritage in Islamic studies has long been a major concern of researchers, hadith scholars, and Islamic jurists. Although traditional methods of indexing, cataloging, abstracting, and bibliographic documentation have provided the foundation for religious scholarship, they face serious challenges when confronted with the massive volume of contemporary data and the need to address emerging issues, including slow processes, human error, and limited capacity for semantic retrieval. This study examines the profound transformation brought about by artificial intelligence, particularly intelligent text processing, in the organization of knowledge in Islamic studies. In this context, four key processes are examined: “intelligent cataloging and digitization of manuscripts,” “semantic and subject indexing,” “automatic summarization of lengthy argumentative texts,” and “extraction of conceptual relationships and knowledge trees.” Their underlying technical models are also explained from an analytical perspective. In addition, value-adding services, including advanced semantic search—illustrated through a Qur’anic example involving the term hisban and a jurisprudential example involving the term riba—and an intelligent research assistant are presented through an applied scenario concerning daman (liability) in cyberspace. The findings indicate that artificial intelligence should function not as a substitute for the mujtahid or researcher, but as an assistant that augments human cognition and memory. By freeing researchers from labor-intensive processes of information gathering, these tools enable them to devote greater attention to analysis, ijtihad, and scientific innovation. Finally, ethical and technical challenges, including systemic hallucinations (digital fabrication) and sectarian biases in data curation, are examined, and practical solutions are proposed.

کلیدواژه‌ها [English]

  • Knowledge Organization
  • Islamic Studies
  • Artificial Intelligence
  • Intelligent Language Processing
  • Semantic Search
  • Intelligent Research Assistant
  • Islamic Heritage

مراجع

* قرآن کریم.
آقاجمال خوانساری، محمد بن حسین. (1364). التعلیقات علی شرح اللمعة الدمشقیة. قم: المدرسة الرضویة.
ابن‌ندیم، محمد بن اسحاق. (1346). الفهرست (مترجم: محمدرضا تجدد). تهران: بانک بازرگانی ایران.
خوارزمی، ابوعبدالله محمد. (2008م). مفاتیح العلوم (محقق: عبدالامیر اعسم). بیروت: دار المناهل.
دهخدا، علی‌اکبر. (1377). لغت‌نامه دهخدا (ج11). تهران: مؤسسۀ انتشارات و چاپ دانشگاه تهران.
راغب اصفهانی، حسین بن محمد. (بی‌تا). مفردات ألفاظ القرآن. بیروت: دار القلم.
زمخشری، محمود بن عمر. (۱۴۰۷ق). الکشاف عن حقائق غوامض التنزیل (ج۴). بیروت: دار الکتاب العربی.
شهید اول، محمد بن مکی. (1430ق). اللمعة الدمشقیة. قم: مکتب الاعلام الاسلامی فی الحوزة العلمیة. قم المقدسة. معاونیة الابحاث. مرکز العلوم و الثقافة الاسلامیة.
شهید ثانی، زین‌الدین بن علی. (۱۴۱۰ق). الروضة البهیة فی شرح اللمعة الدمشقیة. قم: مکتبة الداوری.
طباطبایی، محمدحسین. (۱۳۵۲). المیزان فی تفسیر القرآن (ج۱۹، چاپ سوم). بیروت: مؤسسة الأعلمی للمطبوعات.
طبرسی، فضل بن حسن. (۱۴۰۸ق). مجمع البیان فی تفسیر القرآن (ج۹). بیروت: دار المعرفة.
طوسی، محمد بن حسن. (1427ق). رجال الطوسی (محقق: جواد قیومی اصفهانی). قم: جامعۀ مدرسین حوزۀ علمیۀ قم.
غزالی، ابوحامد محمد. (۱۴۰۶ق). احیاء علوم الدین. بیروت: دار الکتاب العربی.
فارابی، ابونصر محمد. (1996م). احصاء العلوم (مصحح: علی بو ملحم). بیروت: دار و مکتبة الهلال.
کشی، محمد بن عمر. (1404ق). إختیار معرفة الرجال (معروف به رجال الکشی) (محقق: مهدی رجایی). قم: مؤسسة آل البیت^ لإحیاء التراث.
محقق حلی، جعفر. (1408ق). شرائع الإسلام فی مسائل الحلال و الحرام (محقق: عبدالحسین محمدعلی بقال). قم: اسماعیلیان.
مرتضی زبیدی، محمد بن محمد. (بی‌تا). تاج العروس. بیروت: دار الفکر.
نجاشی، احمد بن علی. (1365). رجال النجاشی (محقق: موسی شبیری زنجانی). قم: جامعۀ مدرسین حوزۀ علمیۀ قم.
نراقی، احمد بن محمدمهدی. (1383). الحاشیة علی الروضة البهیة. قم: جامعۀ مدرسین حوزۀ علمیۀ قم.
Bizer, C., Heath, T., & Berners-Lee, T. (2009). Linked data: The story so far. International Journal on Semantic Web and Information Systems, 5(3), pp. 1–22. Doi: 10.4018/jswis.2009081901
Deerwester, S., Dumais, S. T., Furnas, G. W., Landauer, T. K., & Harshman, R. (1990). Indexing by latent semantic analysis. Journal of the American Society for Information Science, 41(6), pp. 391–407. Doi: 10.1002/(SICI) 1097-4571(199009)41:6<391:AID-ASI1>3.0.CO;2-9
Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. In Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (pp. 4171–4186). Association for Computational Linguistics.  Doi: 10.18653/v1/N19-1423
Hogan, A., Blomqvist, E., Cochez, M., d’Amato, C., de Melo, G., Gutiérrez, C., Kirrane, S., Neumaier, S., Polleres, A., Šimkus, M., & Zimmermann, A. (2021). Knowledge graphs. ACM Computing Surveys, 54(4), Article 71.  Doi: 10.1145/3447772
Ji, Z., Lee, N., Frieske, R. M., Yu, T., Dai, T., Meng, Y., Fancellu, F., Zhu, W., Li, B., Zhang, Y., Chen, H., Xie, X., Li, Y., & He, B. (2023). Survey of hallucination in natural language generation. ACM Computing Surveys, 55(12), Article 248.  Doi: 10.1145/3571730
Jurafsky, D., & Martin, J. H. (2026). Speech and language processing: An introduction to natural language processing, computational linguistics, and speech recognition (3rd ed., draft). Prentice Hall. Retrieved from https://web.stanford.edu/~jurafsky/slp3
Karpukhin, V., Oguz, B., Min, S., Lewis, P., Wu, L., Edunov, S., Chen, D., & Yih, W.-T. (2020). Dense passage retrieval for open-domain question answering. In Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP) (pp. 6769–6781). Association for Computational Linguistics.  Doi: 10.18653/v1/2020.emnlp-main.550
Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Küttler, H., Lewis, M., Yih, W.-T., Rocktäschel, T., Riedel, S., & Kiela, D. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. In Advances in Neural Information Processing Systems (Vol. 33, pp. 9459–9474). Curran Associates.  Doi: 10.48550/arXiv.2005.11401
Manning, C. D., Raghavan, P., & Schütze, H. (2008). Introduction to information retrieval. Cambridge University Press.  Doi: 10.1017/CBO9780511809071
Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. arXiv Preprint, arXiv:1301.3781.  Doi: 10.48550/arXiv.1301.3781
Pennington, J., Socher, R., & Manning, C. D. (2014). GloVe: Global vectors for word representation (A. Moschitti, B. Pang, & W. Daelemans, Eds.). Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP) (pp. 1532–1543). Association for Computational Linguistics.  Doi: 10.3115/v1/D14-1162
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention is all you need. In Advances in Neural Information Processing Systems (Vol. 30, pp. 5998–6008). Curran Associates.  Doi: 10.48550/arXiv.1706.03762
مدیریت دانش اسلامی
دوره 7، شماره 1 - شماره پیاپی 13
فروردین 1404
صفحه 183-215

فایل ها

سابقه مقاله

  • تاریخ دریافت: 25 مهر 1403
  • تاریخ بازنگری: 30 آذر 1403
  • تاریخ پذیرش: 17 مهر 1403

هم رسانی

ارجاع به این مقاله

آمار