آمار
| تعداد نشریات | 54 |
| تعداد شمارهها | 2,632 |
| تعداد مقالات | 37,272 |
| تعداد مشاهده مقاله | 18,122,864 |
| تعداد دریافت فایل اصل مقاله | 8,266,653 |
همگرایی هوش مصنوعی، وب معنایی و مدلهای زبانی بزرگ در سیستمهای مدیریت دانش متون اسلامی: یک بررسی انتقادی از منظر مهندسی سیستم | ||
| مدیریت دانش اسلامی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 30 خرداد 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22081/jikm.2026.74696.1110 | ||
| نویسنده | ||
| علی میرعرب* | ||
| گروه اشاعه اطلاعات و دانش، پژوهشکده مدیریت اطلاعات و مدارک اسلامی، پژوهشگاه علوم و فرهنگ اسلامی، قم، ایران | ||
| تاریخ دریافت: 26 اردیبهشت 1405، تاریخ بازنگری: 30 خرداد 1405، تاریخ پذیرش: 30 خرداد 1405 | ||
| چکیده | ||
| مدیریت دانش متون اسلامی با چالشهای دیرینهای در سازماندهی، بازیابی و تحلیل دادههای حجیم و پیچیدهٔ متنی روبروست. ظهور و بلوغ فناوریهای هوش مصنوعی، به ویژه وب معنایی، دانشنگارهها و مدلهای زبانی بزرگ، افقهای تازهای را در این قلمرو گشوده است. این مقاله به ارائهٔ یک مرور تحلیلی و نقادانه از همگرایی این سه جریان فناورانه در سامانههای مدیریت دانش متون اسلامی در بازهٔ زمانی ۲۰۲۳ تا ۲۰۲۶ میپردازد. هدف اصلی، نه تنها شناسایی و دستهبندی پیشرفتهای اخیر، بلکه ارزیابی عمیق و مهندسی آنها از منظر معماری سیستم، قابلیت مقیاسپذیری، دقت معنایی، قابلیت اطمینان و انطباق با الزامات دامنه است. با تحلیل دقیق نوشتارهای پژوهشی (بیش از هفتاد مقالهٔ گزینششده از میان دویست عنوان اولیه)، یک چهارچوب مفهومی نوین برای تحلیل سامانههای مدیریت دانش متون اسلامی هوشمند ارائه میشود که ابعاد فنی، روششناختی و ملاحظات دامنه را دربرمیگیرد. یافتهها نشان میدهد که در حالی که فناوریهایی نظیر دانشنگارههای معنایی و مدلهای زبانی بزرگ توانمندیهای چشمگیری در سازماندهی، بازیابی و تولید دانش از متون اسلامی از خود نشان دادهاند، چالشهای بنیادینی نظیر پدیدهٔ «توهم» در مدلهای زبانی، جزیرهای بودن هستیشناسیها، کمبود دادههای برچسبگذاریشده با کیفیت، پیچیدگیهای اعتبارسنجی سند و نیاز به تفسیرپذیری مدلها، همچنان به عنوان موانع اصلی در دستیابی به سامانههای کاملاً قابل اعتماد و با کارایی بالا باقی ماندهاند. مقاله با ارائهٔ یک نقشهٔ راه پژوهشی شش محوری، مسیرهای آتی را برای توسعهٔ سامانههای هوشمند مدیریت دانش متون اسلامی که بتوانند به طور مؤثر و مسئولانه به نیازهای تحلیل و پردازش متون اسلامی پاسخ دهند، روشن میسازد. | ||
| کلیدواژهها | ||
| مدیریت دانش متون اسلامی؛ هوش مصنوعی؛ وب معنایی؛ گراف دانش؛ مدلهای زبانی بزرگ | ||
| عنوان مقاله [English] | ||
| Convergence of Artificial Intelligence, Semantic Web, and Large Language Models in Islamic Text Knowledge Management: A Critical Review of System Architectures | ||
| نویسندگان [English] | ||
| Ali Mirarab | ||
| Information and Knowledge Dissemination, Islamic Information and Documents Management Research Center, Qom, Iran | ||
| چکیده [English] | ||
| The emergence and maturation of artificial intelligence technologies, particularly the Semantic Web, knowledge graphs, and large language models, have opened new horizons in this domain. This paper presents an analytical and critical review of the convergence of these three technological streams in Islamic text knowledge management systems over the period 2023 to 2026. The primary objective is not only to identify and categorize recent advancements but also to provide an in-depth engineering assessment of them from the perspectives of system architecture, scalability, semantic accuracy, reliability, and domain-specific compliance. Through a rigorous analysis of the research literature (over seventy selected articles from an initial pool of two hundred titles), a novel conceptual framework is proposed for analyzing intelligent Islamic text knowledge management systems, encompassing technical dimensions, methodological aspects, and domain considerations. The findings reveal that while technologies such as semantic knowledge graphs and large language models have demonstrated remarkable capabilities in organizing, retrieving, and generating knowledge from Islamic texts, fundamental challenges remain as major obstacles to achieving fully trustworthy and high-performance systems. These include the phenomenon of hallucination in language models, the siloed nature of ontologies, the scarcity of high-quality annotated datasets, the complexities of chain-of-transmission authentication, and the need for model interpretability. The paper concludes by presenting a six-axis research roadmap, illuminating future directions for the development of intelligent Islamic text knowledge management systems that can effectively and responsibly address the needs of Islamic text analysis and processing. | ||
| کلیدواژهها [English] | ||
| Islamic Text Knowledge Management, Artificial Intelligence, Semantic Web, Knowledge Graph, Large Language Models | ||
|
آمار تعداد مشاهده مقاله: 2 |
||