Translation to English is given below في إطار تعزيز الأنشطة البحثية لأعضاء هيئة التدريس، شارك الدكتور سالم الصيد عبدالله، عضو هيئة التدريس بكلية تقنية المعلومات – قسم شبكات الحاسوب، في نشر بحث علمي حديث (2026)، وذلك بالتعاون مع باحثين من University of East London، في مجلة علمية محكمة ومفهرسة ضمن قاعدة بيانات Scopus، ومصنفة ضمن الربع الأول (Q1) .

Translation to English is given below
في إطار تعزيز الأنشطة البحثية لأعضاء هيئة التدريس، شارك الدكتور سالم الصيد عبدالله، عضو هيئة التدريس بكلية تقنية المعلومات – قسم شبكات الحاسوب، في نشر بحث علمي حديث (2026)، وذلك بالتعاون مع باحثين من University of East London، في مجلة علمية محكمة ومفهرسة ضمن قاعدة بيانات Scopus، ومصنفة ضمن الربع الأول (Q1) .

وهدفت الدراسة إلى تعزيز حماية الأطفال والمراهقين في بيئات التواصل الاجتماعي، من خلال تطوير إطار متقدم قائم على تقنيات معالجة اللغة الطبيعية (NLP) لرصد المحادثات الضارة. ويعتمد النظام على دمج تحليل المشاعر مع نموذج للتحقق من العمر، بهدف الكشف عن السلوكيات غير اللائقة، مع اتخاذ إجراءات تلقائية مثل حظر الحسابات وتنبيه أولياء الأمور عند تكرار هذه السلوكيات.

وقد تم تقييم كفاءة النموذج باستخدام خوارزميات تعلم آلي تقليدية، إلى جانب نماذج متقدمة مثل BERT وRoBERTa، وذلك بالاعتماد على بيانات حقيقية من منصات التواصل الاجتماعي. وأظهرت النتائج تحقيق النموذج أفضل دقة بلغت 95.15%، مما يعكس كفاءته العالية في الكشف عن التفاعلات الضارة. وعلى الرغم من بعض التحديات، مثل عدم توازن البيانات وارتفاع التكلفة الحسابية، أكدت الدراسة فعالية الإطار المقترح في تعزيز الأمان الرقمي.
عنوان الورقة:
NLP Framework to Safeguard Youngsters Online Using Advanced Transformer-Based Models
رابط الورقة:
https://ojs.bonviewpress.com/index.php/jdsis/article/view/5752

As part of ongoing research activities, Dr. Salem Alsaid from the Faculty of Information Technology, Computer Networks Department, has co-authored a 2026 research paper with scholars from University of East London. The paper was published in a Q1-ranked, Scopus-indexed journal.
The study aims to enhance the online safety of children and adolescents by developing an NLP-based framework to detect harmful conversations. The system integrates emotion analysis with age verification and can take actions such as blocking accounts and notifying guardians. The model was evaluated using traditional machine learning methods and advanced models like BERT and RoBERTa, achieving a highest accuracy of 95.15%. Despite challenges such as data imbalance and high computational cost, the framework proved effective in improving online safety.