السحيباني, محمدAlsuhaibani, Mohammedعبدالعزيز محمد المرزوقي, أروىAlmarzoqi, Arwa Abdulaziz Mohammed2025-04-082025https://hdl.handle.net/20.500.14154/75114Throughout the years, the translations of the Quran have significantly contributed to the spread of Islam in non-Arabic nations. The work presented in this thesis is guided at investigating emotion preservation in English translations of the Holy Quran using the Large Language Models (LLMs). More precisely, the aim is to propose a computational quantitative approach that relied primarily on Natural Language Processing (NLP) applications to measure the extent to which the English translations of the Quran convey emotions expressed in the Holy Quran, namely the emotion preservation level. The central research question that formed this thesis is “Do the non-Arabic Muslims who read English translations of the Quran perceive the same emotions as the original Arabic readers?’’. To this end, this thesis sought to implement emotion analysis by fine-tuning a collection of LLMs and subsequently assessed the levels of emotional agreement through a human validation approach, using a parallel corpus of the Quran along with seven English translations. The findings of this thesis reveal that the investigated English translations of the Quran preserved emotional semantics at a comparatively fair level. Unlike the Quran, neither of the English translations reached substantial agreement among Arabic readers, with Cohen's Kappa (κ) scores ranging from 0.29 to 0.35, indicating a fair level of agreement. Although most LLMs showed a fair agreement level with human annotations, confirmed by κ scores ranging from 0.23 to 0.37, only a single model demonstrated almost perfect agreement with a κ value of 0.89. The results of this thesis show the relevance of Artificial Intelligence (AI) techniques, particularly transformer-based models, in Islamic contexts. Despite the challenges inherent in Classical Arabic scripts, the LLMs employed in this work exhibited an adequate level of performance. As such, these models validated their ability to capture the emotional essence of Islamic scriptures, demonstrating their capacity to comprehend intricate scripts with cultural and theological significance.على مرّ السنين، ساهمت ترجمات القرآن الكريم بشكلٍ كبير في انتشار الإسلام في الأمم غير العربية. يهدف العمل المُقدم في هذه الأُطروحة في المقام الأول إلى دراسة الحفاظ على المشاعر في الترجمات الإنجليزية للقرآن الكريم باستخدام النماذج اللُّغوية الضخمة. الهدف الأساسي تحديدًا، هو اقتراح نهجٌ كميٌ حسابي يعتمد بشكلٍ أساسي على تطبيقات معالجة اللغات الطبيعيّة لقياس دقة نقل الترجمات الإنجليزية للمشاعر المعبَّر عنها في القرآن الكريم. السؤال الأساسي الذي قامت عليه هذه الأُطروحة هو "هل يشعر المسلمون غير العرب قُرّاء الترجمات الإنجليزية بنفس المشاعر التي يشعر بها القُرّاء العرب الأصليُّون؟". ولتحقيق هذه الغاية، نفّذت هذه الأُطروحة تحليلًا للمشاعر المعبّر عنها في القرآن الكريم وسبعًا من الترجمات الإنجليزية، من خلال استعمال مجموعة من النماذج اللُّغوية الضخمة، وتقييم مستويات الاتفاق العاطفي، بين القرآن وترجماته، وذلك عبر عملية تحققٍ آلية وبشرية. أشارت نتائج هذه الأُطروحة إلى أن ترجمات القرآن الكريم الإنجليزية المدروسة حافظت على الدلالات العاطفية بمستوى عادلٍ نسبيًا. مقارنةً بالمشاعر المعبر عنها في القرآن الكريم، لم تحقق أيًا من الترجمات المدروسة اتفاقًا جوهريًا مع القُرّاء العرب، حيث تراوحت درجات الاتفاق، درجات كوهن كابا (مقياس إحصائي يقيس التوافق بين المُقيّمين)، بين القرآن الكريم وترجماته بين0.29 و0.35. وعلى الرغم من أن معظم النماذج اللُّغوية الضخمة حققت مستوى عادلًا من الاتفاق مع التقسيمات البشريّة، وهذا ما أكدته درجات كابا التي تراوحت بين 0.23 و0.37، فقد أظهر نموذجًا واحدًا اتفاقًا شبه مثالي، تحديدًا 0.89 في قيمة كابا. أظهرت نتائج هذه الأُطروحة قابليّة استخدام تقنيات الذكاء الاصطناعي، خاصةً النماذج القائمة على المحولات، في السياقات الشرعيّة. ورُغمْ التحديات الكامنة في النصوص العربية الفُصحى المُمثلة بالقرآن الكريم، إلا أن النماذج اللُّغوية الضحمة المُستخدمة في هذه الأُطروحة أثبتت كفاءتها في تِبْيان الدلالات العاطفيّة للقرآن الكريم وترجماته، وذلك مُثبِتًا قدرة هذه النماذج على فهم النصوص المعقدة ذات الأهمية الشرعيّة.88enEmotion PreservationEmotion AnalysisLarge Language Models (LLMs)Text ClassificationThesis