پروفیسر افضل الدین اقبال ؍ غلام محمودبنات والا
افسوس ہے کہ گزشتہ دنوں ہماری علمی و ادبی اور سیاسی دنیا کا خلا کچھ اور بڑھا، حیدرآباد کے پروفیسر افضل الدین اقبال ۱۵؍ مئی کو اس دنیا سے رخصت ہوئے، عثمانیہ یونیورسٹی کے صدر شعبہ اردو اور اس سے زیادہ دکنی ادب کے ماہر کی حیثیت سے ان کی شہرت تھی، جنوبی ہند کی صحافت، مدراس میں اردو ادب کی نشوونما، فورٹ سینٹ جارج کالج اور ایسٹ انڈیا کمپنی کے علمی ادارے ان کی اہم کتابیں تھیں، دوسری اہم شخصیت غلام محمود بنات والا کی ہے، وہ پارلیمنٹ کے ممتاز اور پرانے ممبر تھے، ہندوستان میں مسلم لیگ کا نام زندہ رکھا اور اپنے کردار سے غیروں سے بھی عزت حاصل کی، ملت اسلامیہ ہندیہ کے مسائل پر بے باکی اور نہایت حکمت اور دانائی سے اظہار خیال کرتے، اﷲ تعالیٰ ان کے ساتھ مغفرت کا معاملہ فرمائے۔ ( عمیر الصدیق دریابادی ندوی ، جولائی ۲۰۰۸ء)
آہ! مولانا پروفیسر سید محمد اجتباء ندوی مرحوم
افسوس کہ گذشتہ ماہ ہندوستان کی ملت اسلامیہ، ایک اور نمایاں اور قابل قدر ہستی کی خدمات سے محروم ہوگئی، خبر آئی کہ مشہور عالم، عربی اور اردو کے ممتاز صاحب قلم مولانا پروفیسر سید محمد اجتباء ندوی نے ۲۰؍ جون کو دہلی میں داعی اجل کو لبیک کہا، اناﷲ وانا الیہ راجعون۔
مولانا مرحوم ہمارے علما کے اس طبقے سے تھے جن کی تعلیم و تربیت خالص دینی بنیادوں پر استوار ہوئی لیکن جن کے فیضان نظر سے عصری تعلیم کے ادارے بھی بہرہ ور ہوئے اور جنہوں نے اپنے علم و عمل سے جدید دانش گاہوں میں صرف دینی اداروں کی عظمت و توقیر میں ہی اضافہ نہیں کیا بلکہ اس مذہبی حمیت و غیرت اور خالص دینی تشخص کی پاسداری، بڑی استواری سے کی جس کا اولین سبق انہوں نے اپنے...
Penelitian ini bertujuan untuk mengetahui peningkatan keaktifan dan hasil belajar siswa pada mata pelajaran Pendidikan Agama Islam (PAI) setelah diterapkannya metode pembelajaran demonstration berbasis discussion process. Metode penelitian yang digunakan dalam penelitian ini adalah Penelitian Tindakan Kelas (PTK). Penelitian dilakukan di SMA EKASAKTI Padang pada kelas XI. Metode pengumpulan data yang dilakukan pada penelitian ini adalah: observasi, wawancara, dokumentasi, dan tes. Analisis data dalam penelitian ini dilakukan secara deskriptif kuantitatif dan kualitatif. Hasil dari penelitian ini adalah: (1). Kesiapan siswa dalam menerima pelajaran sebelum dilakukan tindakan 39, 06%, setelah siklus I 70, 31%, dan setelah siklus II 86, 23%. (2). Keaktifan siswa dalam proses pembelajaran sebelum dilakukan tindakan 23, 18%, setelah siklus I 67, 97%, dan setelah siklus II 85, 41%. (3). Persentase siswa yang mendapatkan nilai tuntas di atas 70 sebelum dilakukan tindakan 31, 75%, setelah siklus I 68, 25%, dan setelah siklus II 87, 75%. (4). Terdapat peningkatan yang signifikan antara masing-masing indikator pada setiap siklus, hal tersebut dapat di lihat dari peningkatan kesiapan, keaktifan, dan hasil belajar siswa pada saat sebelum dilakukan tindakan, pada siklus I dan pada siklus II. Pada siklus II semua indikator telah melampaui target persentase indikator keberhasilan yang telah ditetapkan. Sehingga siklus penelitian dapat dihentikan pada siklus II dan dapat di tarik kesimpulan bahwa metode pembelajaran demonstration berbasis discussion process berhasil serta lebih efektif dibandingkan dengan metode ceramah.
Biological sequences consist of A C G and T in a DNA structure and contain vital information of living organisms. The development of computing technologies, especially NGS technologies have increased genomic data at a rapid rate. The increase in genomic data presents significant research challenges in bioinformatics, such as sequence alignment, short-reads error correction, phylogenetic inference, etc. Next-generation high-throughput sequencing technologies have opened new and thought-provoking research opportunities. In particular, Next-generation sequencers produce a massive amount of short-reads data in a single run. However, these large amounts of short-reads data produced are highly susceptible to errors, as compared to shotgun sequencing. Therefore, there is a peremptory demand to design fast and more accurate statistical and computational tools to analyze these data. This research presents a novel and robust algorithm called HaShRECA for genome sequence short reads error correction. The developed algorithm is based on a probabilistic model that analyzes the potential errors in reads and utilizes the Hadoop-MapReduce framework to speed up the computation processes. Experimental results show that HaShRECA is more accurate, as well as time and space efficient as compared to previous algorithms.