بررسی کارکرد و اعتبارسنجی ابزارهای هوش مصنوعی در کشف پیوندها و روابط معنایی میان سوره های قرآن (با تاکید بر رویکرد ساختاری-ترتیبی)

رویکرد ساختاری-ترتیبی در تفسیر قرآن، بر پیوستگی و انسجام درونی سوره ها و تناسب آیات در چینش مصحفی تاکید دارد. پژوهش حاضر با هدف بررسی کارکرد و اعتبارسنجی ابزارهای هوش مصنوعی در کشف پیوندهای معنایی میان سوره ها، به روش توصیفی‑تحلیلی و با رویکرد تطبیقی انجام شده است. یافته ها نشان می دهد که تکنیک های پردازش زبان طبیعی ‎(NLP)‎ از جمله مدل های زبانی بزرگ مانند‎ (AraBERT)‎ روش های خوشه بندی متنی مانند‎ ( K-meansBERTopic)‎می توانند روابط معنایی میان سوره های مجاور را با دقت قابل قبولی شناسایی کنند. مطالعات محاسباتی با محاسبه «فاصله شباهت» ‎(Similarity ‎Distance)‎ سوره ها نشان داده اند که سوره های همجوار از شباهت معنایی بالاتری برخوردارند و این شباهت با افزایش فاصله کاهش می یابد؛ یافته ای که همسو با برداشت مفسران ترتیبی مانند علامه طباطبایی در المیزان است که بر تناسب سوره ها تاکید کرده اند. در عین حال، مدل های هوشمند در درک سیاق نزول، اسباب نزول و قرائن غیرکلامی ناتوان هستند و خروجی های آنها نیازمند نظارت و اعتبارسنجی مفسر متخصص است. این پژوهش با ارائه نقشه راهی برای بهره گیری ضابطه مند طلاب و پژوهشگران از ابزارهای پردازش متنی، نشان می دهد که هوش مصنوعی می تواند «دستیار تفسیری» کارآمدی باشد، اما هرگز جایگزین اجتهاد و درک عمیق مفسر انسانی نخواهد شد.

کلیدواژه ها:

تفسیر ترتیبی ، روابط معنایی سوره ها ، هوش مصنوعی ، پردازش زبان طبیعی ‎(NLP)‎ ، اعتبارسنجی.