Analyzing Topics and Sentiments of Arabic Twitter Discourse on COVID-19: Evidence from Saudi Arabia and the United Arab Emirates. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF Nahad_KFUPM_Thesis_desertation.pdf Restricted to Repository staff only until 10 May 2027. Download (2MB)

Arabic Abstract

والعاطفية للجمهور خلال جائحة كوفيد-19 في السعودية والإمارات. وباعتماد إطار تحليلي متعدد المستويات يعتمد على تقنيات الذكاء الاصطناعي، حلّلت الدراسة تفاعلات تويتر العربية واسعة النطاق لفهم كيفية تفسير الأفراد للرسائل الحكومية والاستجابة لها أثناء تطوّر الأزمة الصحية. شمل الإطار معالجة البيانات، ووضع العلامات تلقائيًا، ونمذجة الموضوعات، وتتبع المشاعر زمنيًا، إضافةً إلى تصنيف المشاعر باستخدام نماذج الذكاء الاصطناعي. أظهرت نمذجة الموضوعات أن أبرز اهتمامات الجمهور في البلدين تمثلت في لوجستيات التطعيم، وإمكانية الوصول للخدمات، ووضوح الإجراءات. وقد عبّر المستخدمون عن ارتباك حول مواعيد الجرعات والمنصات الرقمية، وطلبوا دعمًا مباشرًا، وانتقدوا خدمات صحية أوسع. كما برزت التعبيرات الثقافية والدينية خصوصًا في الإمارات مما يعكس دور الأعراف الاجتماعية في تشكيل الخطاب العام. كشفت التحليلات الزمنية للمشاعر عن تقلبات واضحة ارتبطت بالأحداث الوبائية الكبرى. فقد ظهرت في السعودية موجات متعددة من المشاعر مع ذروات سلبية خلال فترات الخطر، بينما سجّلت الإمارات موجة سلبية مبكرة تلتها مشاركة أقل مع انتقال التواصل إلى قنوات رقمية مركزية. كما أبرزت الأنماط الموضوعية الفروق بين البلدين في التفاعل مع تحديثات الحالات، والرسائل الوقائية، والخدمات الصحية، وحملات التطعيم. وأخيرًا، أكد تقييم النماذج تفوق نماذج المحولات مثل AraBERT وMARBERT التي تجاوزت بكثير أداء نماذج التعلم التقليدي في تصنيف المشاعر والانفعالات. وتبرز هذه النتائج قيمة تقنيات معالجة اللغة المتقدمة في المراقبة الفورية والواسعة لمشاعر الجمهور أثناء الأزمات الصحية. كما أظهرت النماذج المبنية على AraBERT قدرة واضحة على التعميم عند تطبيقها على بيانات الا ٕ مارات بعد تدريبها على بيانات السعودية، إذ حافظت على أداء قوي في مهام تصنيف المشاعر والانفعالات. ويعكس ذلك استقرار التمثيلات اللغوية والانفعالية عبر سياقات خليجية متقاربة، مما يعزّز ملاءمة الا ٕ طار المقترح للتطبيقات الا ٕ قليمية الأوسع.

English Abstract

This research examined how Ministry of Health communications shaped public behavioral and emotional responses to Covid-19 in Saudi Arabia and the United Arab Emirates. Using a multilayered AI-driven framework, the study analyzed large-scale Arabic Twitter interactions to understand how individuals interpreted and reacted to governmental messages during the evolving health crisis. The methodology integrated data preprocessing, automated labeling, topic modeling, temporal sentiment tracking, and AI-based classification to assess public engagement comprehensively. Topic modeling showed that public concerns in both countries centered on vaccination logistics, service accessibility, and procedural clarity. Users frequently expressed confusion about dose schedules and digital platforms, sought direct assistance, and voiced dissatisfaction with broader healthcare services. Cultural and religious expressions particularly strong in the UAE highlighted the influence of sociocultural norms on public communication. Temporal sentiment analysis revealed clear emotional shifts linked to major epidemiological events. Saudi Arabia exhibited multi-wave sentiment fluctuations with pronounced negative peaks during high-risk periods, while the UAE showed an early negative surge followed by reduced engagement as communication shifted to centralized, app-based channels. Theme-specific trends further illustrated differing communicative dynamics across case reporting, preventive messaging, service access, and vaccination campaigns. Model evaluation demonstrated the superiority of transformer-based architectures such as AraBERT and MARBERT, which significantly outperformed traditional machine learning models in sentiment and emotion detection. These findings reinforce the potential of advanced NLP methods for scalable, real-time monitoring of public attitudes during health emergencies. Additionally, the AraBERT models trained on Saudi data exhibited strong generalizability when applied to UAE discourse, underscoring their robustness across Gulf contexts.

Item Type:	Thesis (Masters)
Subjects:	Computer
Department:	College of Computing and Mathematics > Information and Computer Science
Thesis Advisor:	Md Mahfuzur Rahman,
Thesis Committee Members:	Irfan Ahmad, Fakhri Alam Khan,
Depositing User:	NAHAD ALNAHARI (g202008540)
Date Deposited:	11 May 2026 10:12
Last Modified:	11 May 2026 10:12
URI:	http://eprints.kfupm.edu.sa/id/eprint/144201