ユダヤ・キリスト教の価値観は、アメリカの民主主義の基礎なのでしょうか。

私の心の安らぎを損なうほど、私は右利きの専門家のユーチューブのクリップを視聴するのにあまりにも多くの時間を費やしている。私が見ている意見は、私たちの国がユダヤ教の価値観や伝統に戻るか、それらを採用するなら、より良いものになるということです。単に「キリスト教」ではなく「ユダヤ教」という用語を使用するという主張は、イスラームを含むユダヤ教、または「アブラハム教」を除くことで、ある時点で探求したいものです。この意見は、多くの創設者の父親がキリスト教であったか、あるいは十戒が道徳社会の基礎であり、したがって公正な政府の基礎であるということを言及するなど、さまざまな形で表現されます。

アメリカ合衆国憲法はユダヤ・キリスト教文化の産物であると主張する人もいるし、民主主義の概念自体がキリスト教のために成熟した状態に達したと主張する人もいる。YouTube ビデオ.

もし、この憲法の多くのアイデアが啓蒙時代に生み出された著書にインスピレーションを与えられたと述べるならば、強力なキリスト教の影響力の支持者は、これらの知識人たちがキリスト教の神学の理解のためにこれらのアイデアに到達したと言って答えるかもしれません。それゆえ、キリスト教が米国憲法の創造に直接的かつ過渡的な影響を与えたという主張があるように見えます。同じような見解は、科学の発展や道徳の理解のためのキリスト教の必要性について表現されていますが、このテーマは別の時期に保存されます。キリスト教の教義が個人の自由と民主主義のアイデアに導いたという考えを支持する証拠はしばしばありません。 リック・ピドコックはこれらの見

ここで私は、米国憲法における倫理を旧約聖書の旧約聖書に含まれるものと客観的に比較するという、もっと単純な問題に取り組んでいます [4, 5-6]. 焦点は、モザイク法の大部分を構成する613の戒めと呼ばれるものにあります。

私の理解では、モザイクの律法は旧約聖書の最初の5冊から来ています。この分析には、コーランからの100の戒め、山上のイエスの説教で描かれた道徳、ムハンマンドの最後の説教で描かれた道徳(別れの説教とも呼ばれています)、そしてハムラビのコードの法則と宣言も含まれています(7、8、9、10、11)。

知的に正直である人はどのようにしてモザイク法と米国憲法を調べ、これらの価値観が有意義な方法で交差していると結論づけることができるのか、私は見ていないが、キリスト教の道徳を支持し、米国憲法の輝きを祝う右翼の影響力者がいるので、これらの倫理がどれほど異なるかを示す必要があるかもしれない。

注: あなたが推測したように、私は政治的に左に傾き、無神論者です。 メタフィジクスに関する私の見解に関して、私自身をノンテイストと柔らかい反神論者として記述することがより適切かもしれません。 私はセマンティクスをあまり議論したくないが、私は私の立場を明確にしたいと思います。 「ノンテイスト」では、私は提供されている神論のいずれかにサブスクリプトしません、または少なくとも私が知っている神論のいずれかにサブスクリプトしません。 私は、聖書の啓示を記述した人々が存在の精神的な側面について何か正しいものを持っている可能性を否定しません。 しかし、私は「柔らかい反神論者」であり、私は宗教が私たちの真の潜在

結果のセクションは、データ分析の高レベルの説明を提供し、主要な結果をカバーします。 議論セクションは、結果の影響について説明します。 興味のある方は、データ分析とオープンソースコードへのリンクのより細かい説明は、アプローチセクションの下で見つけることができます。 追加結果のセクションは、結果がどのように検証されたかをカバーします。 結果の背後にある数学をもっと深く掘り下げたい場合は、関連するSikit-learnウェブページに参照するか、StatQuest YouTubeチャンネルで関連するビデオを見つけることを奨励します(12、13)。

アプローチ

コード

https://github.com/jdh33/secular-or-religious

パック

Python

3.12 9位

一般プログラミング

イケメン4

4.12 3

ウェブサイト/HTML Parsing

パンダ

2 2 3

データフレーム/テーブル/マトリックス分析

グーグルジェンダー

1.7.0 について

テキスト Embedded

レッスン

1. 6 1

Clustering and Dimensionality Reduction(クラスタリングと次元性の減少)

シアボーン

0132

視覚化

パッケージの完全なリストについては、以下をご覧ください:https://github.com/jdh33/secular-or-religious/blob/main/data/output/constitution_analyses/package_versions_13062025.txt

データ処理

いくつかのパラグラフの権利は、このパラグラフの全体の倫理のテーブルを構築するために完全にリメイクされたパラグラフの権利です(4-11)。これらのデータは、URLリメイクの組み合わせを使用して、HTMLパラグラフのパラグラフ、および単純なテキストのパラグラフを使用して、これらのパラグラフを構成する613のパラグラフの権利が完全に使用されました。このパラグラフのいくつかの倫理は、複数のパラグラフとして扱われました。これらのケースでは、613のパラグラフは、単一の倫理を形成するために結合されました。613の聖書の命令の一部である他のパラ

テキスト Embedded

Gemini モデル テキスト インベーディング-004 は、倫理を埋め込むために使用されました。 このモデルは、入力トークン制限が 2.048 です。 約 60 〜 80 単語は 100 トークンごとに表すことができます。 これは、倫理ごとに最大の単語数を 1.228 に低下させます。 各倫理は、1.228 単語未満または等しいため、すべての倫理が埋め込まれました。 テキスト インベーディング-004 モデルは、出力としてテキストの数値表示を生成します。 具体的には、各インベーディングの出力は、ベクターと呼ばれる浮動点数の 768 次元の配列です。 埋め込みモデルを呼

Clustering and Visualization(クラスタリングと視覚化)

1073 by 768 embedding table は、k数値:数値のk(クラスターの数) がテストされ、比較されました. 肘の方法とV測定メトリックは、クラスターの最適な数として4を決定するために使用されました。k-means model returns the assigned clusters and the cluster center coordinates. t-distributed stochastic neighbor embedding (t-SNE) was used to map the 1,073 embedded ethics and the cluster center coordinates from 768 dimensions to 2 dimensions to visualize the results. T-means model returns the assigned clusters and the cluster center coordinates. t-distributed stochastic neighbor embedding (t-SNE) was used to map the 1,073 embedded ethics and the cluster center coordinates from 768 dimensions to 2 dimensions to visualize the results.

重要な注記: 1) 高次元性を持つt-SNE データの低次元空間へのマッピングは、入力として受け取るデータに相対的である。 t-SNE モデルが、すべてのデータソースからの倫理と同時に適切な視覚化のために一致していることが不可欠である。この分析により多くのデータが追加された場合、新しく埋め込まれた倫理は現在埋め込まれている倫理のテーブルに付加され、別の t-SNE モデルは、すべての埋め込まれた倫理と同時に一致しなければならない。k-means and t-SNE models. Passing integer values makes the results reproducible. -means and t-SNE models. 整数値を渡すと、結果が再現可能になります。

結果

倫理は、さまざまな源から集められ、1073の倫理の単一のテーブルに組織され、ここで見ることができます。https://github.com/jdh33/secular-or-religious/blob/main/data/output/constitution_analyses/table.txt次に、「倫理」の列の各値は、タスクタイプとして「クラスター」を使用して Gemini テキスト埋め込み-004 モデルで埋め込み、テキストの類似性に基づいてクラスターすることができる埋め込みを生成するために最適化されました。

次に、1073 by 768 テキスト埋め込みのテーブルは、k異なる数のクラスターをテストする必要があり、またはk, データセットのための最適なクラスター数は事前に知られていないため、追加結果セクションで議論された検証プロセスは、クラスターの最適な数である4を示した。結果を視覚化するのに役立つために、t-SNE はテキスト埋め込みとクラスターセンターを 2 次元空間にマッピングするために使用されました。 t-SNE は、次元性を減らしながらローカル構造とクラスターを保存することに優れています。しかし、グローバル距離は歪曲され得るので、 2 次元のプラットフォーム内のデータポイントまたはクラスターセンター間の距離は塩の粒で取られるべきです。 次元の減少に慣れていない人々にとって、良いアナロジーは、3 次元のオブジェクトに光を

図1

割り当てられたクラスターはマーカーの形で示され、クラスターセンターは大きくなり、灰色です。たとえこの視覚化でさえ、アメリカ合衆国憲法の倫理が他のすべてに比べるとどれほど異なるかを見ることができます。詳しく見ると、いくつかのデータポイントが間違っているように見えます。例えば、クラスター3に属するいくつかのデータポイントは「+」で示され、そのクラスターに属する他のデータポイントから遠く離れて見えます。これは768次元ベクターを2次元空間にマッピングするアーティファクトです。もし私たちが何らかの方法で768次元を視覚化できれば、これらの例データポイントは同じクラスターに割り当てられたデータポイントに近いでしょう。

図2

クラスター1は純粋にアメリカ合衆国憲法に含まれる倫理で構成され、アメリカ合衆国憲法の倫理はクラスター1に含まれている。このシンメトリーは、アメリカ合衆国憲法の倫理が他の情報源からの倫理とは大きく異なることを示すものである。

テーブル1

Cluster

0

1

2

3

0

0.000

0.613

0.361

0.399

1

0.613

0.000

0.605

0.610

2

0.361

0.605

0.000

0.434

3

0.399

0.610

0.434

0.000

768次元空間における2点間の距離は、2次元空間または3次元空間における2点間の距離と同じように計算することができる。

議論

図1と2と表1はすべて同じ話を話します。アメリカ合衆国憲法で発見された倫理は、モザイク法で発見された倫理とは大きく異なります。また、彼らは、コーランの選択された節、山上のイエスの説教、ムハンマドの最後の説教、およびハムラビのコードで発見された倫理よりもはるかに異なっていることを見ます。アメリカ合衆国憲法からの倫理はすべてクラスター1に属し、他のソースからの他の倫理はクラスター1にさえ近いものではありません。この分析の結果によると、モザイク法とアメリカ合衆国憲法との間の直接的なつながりはありません。

引用と動機づけのセクションで述べたように、私の目標は、この分析を可能な限り客観的にすることでした. 私は参照された詩や法則のいずれかをまとめたり断ち切ったりしませんでした. 倫理はそのように処理されていた; 彼らは私の解釈に従わなかった. ある人は、特定の詩を複数の倫理ではなく1の倫理として扱うという私の決定に反対するかもしれない,または憲法の記事が1の倫理として扱われるべきだと考えている. 記事が1セクションや/または段落を超えるかどうかに関係なく. 私は間違いなくコードを変更し、ソーステキストから倫理を抽出する場合、誰かがこのような懸念を提起している。

将来の仕事

私が参照した聖書とコーランのウェブサイトからいくつかの節を調べた場合、あなたは、いくつかの異常な節が欠けていることに気付いたかもしれません。これらのタイプは、論争的なから完全に恐ろしいまで異なります。私が参照した613の戒めのウェブサイトには、出エジプト21:20が含まれています、誰かが彼らの妻を殺す場合の処罰を述べていますが、出エジプト21:21を除くが、多くの意見は、奴隷が彼らの所有者の個人的な財産であると述べています。私はまた、モハメドの最後の説教のこれらのバージョンは詐欺であり、私が誰かに言及ぼした宗教的なテキストは詐欺であり、正しいバージョンには、夫が彼らの妻を殴

将来の分析には、1073の倫理のすでに作成されたテーブルを含む前項で言及したものと同様の詩を含む予定です。

たとえば、聖書の詩篇はヤハウェという用語を使用し、コーランの詩篇はアッラーという用語を使用する可能性があります。これらはどちらも神のための特定の用語です。もちろん、アメリカ合衆国憲法はアメリカ合衆国と聖書はイスラエルを参照しています。私は抽出された倫理を標準化し、同じ分析を実行する方法で働いています。いくつかの例:ヤハウェ、父、アッラーは神のための一般的な用語と置き換えられることができ、アメリカ合衆国とイスラエルは国民のための一般的な用語と置き換えられます。これは複数の神々を参照するハムラビコードのような何かのための詐欺師になります。

結局、私はキリスト教の価値観、またはユダヤ・キリスト教の価値観が、啓蒙の時代の著名なアイデアと、したがって、アメリカ合衆国の憲法のアイデアに責任があるという考えをとることを計画します。あなたは、このことを「ルビン・レポート」のエピソードで議論するベン・シャピロとジョーダン・ペッターソンに耳を傾けることができます。私は、この分析は、啓蒙の人物やアメリカ合衆国の先祖の著作の解釈を含むため、より主観的なものになるだろうと予想します。しかし、私はそれが可能な限り客観的に維持します。私は、これらの概要を生成するための比較的新しい大言語モデルの使用を調査することができます。

参照

1. https://www.youtube.com/watch?v=aALsFhZKg-Q
2. https://baptistnews.com/article/no-the-u-s-constitution-is-not-based-on-the-book-of-deuteronomy/
3. https://www.pewresearch.org/religion/2022/10/27/views-of-the-u-s-as-a-christian-nation-and-opinions-about-christian-nationalism/
4. https://constitutioncenter.org/the-constitution/full-text
5. https://www.gotquestions.org/613-commandments.html
6. https://www.bibleref.com/
7. https://www.biblegateway.com/passage/?search=Matthew 5-7&version=NIV
8. https://messageinternational.org/100-commandments-and-doctrines-from-the-quran/
9. https://www.clearquran.com/
10. https://www.iium.edu.my/deed/articles/thelastsermon.html
11. https://avalon.law.yale.edu/ancient/hamframe.asp
12. https://scikit-learn.org/stable/about.html#citing-scikit-learn
13. https://www.youtube.com/@statquest
14. https://www.youtube.com/watch?v=QWKF5EU1Cig
15. https://www.youtube.com/watch?v=1opHWsHr798

追加結果

クラスターの数を確認する

The Scikit-learn トップページkつまり、モデルはクラスターの数を受け入れ、k私は2〜7のクラスターをテストし、肘の方法とV測定メトリックに基づいて最適な数を選択しました。

追加図1

The elbow method visualizes the inertia at a givenkInertiaは、より単純なメトリックの1つで、データポイントが割り当てられているクラスターの各データポイントと中心の間の平方距離の合計です より小さい、相対的な惰性値は、データポイントがそれぞれの中心体の周りによくグループ化されていることを意味します より多くのクラスターを追加すると、惰性が低下するが、クラスターがあまりにも多い場合に役に立たなくなることに注意することが重要です 目的は同じようなデータポイントを一緒にグループ化することです 肘の方法で、我々は何を視覚化したいk惰性の減少は相当な量を減らす、すなわち「肘」を見つける。k肘の方法は主観的であるため、他のメトリクスを用いることも不可欠です。

追加テーブル1

2

0.469

3

0.632

4

0.732

5

0.623

6

0.637

7

0.606

V-measure metric も見つかりました。k=4 as optimal. I encourage the reader to refer to the Scikit-learn metrics page. 私は読者にSikit-learn metricsページを参照することを奨励します。https://scikit-learn.org/stable/api/sklearn.metrics.htmlV-measure は、均一性と完全性の調和的な平均値であり、より高い均一性スコアは、クラスターがほとんどが単一のデータソースからのデータポイントを含んでいることを意味し、より高い完全性スコアは、データソースからのデータポイントが同じクラスターの一部であることを意味します。