El discurso de odio hacia un grupo o un individuo basado en su identidad percibida, como etnia, religión o nacionalidad, se está propagando amplia y rápidamente en plataformas de redes sociales. Esto causa impactos dañinos en los usuarios de estas plataformas y en la calidad del contenido compartido en línea. Afortunadamente, los investigadores han desarrollado diferentes algoritmos de aprendizaje automático para detectar automáticamente el discurso de odio en plataformas de redes sociales. Sin embargo, la mayoría de estos algoritmos se centran en la detección de discurso de odio que aparece en inglés. Existe una falta de estudios sobre la detección de discurso de odio en árabe debido a la naturaleza compleja del idioma. Este artículo tiene como objetivo abordar este problema proponiendo un enfoque efectivo para detectar discurso de odio en árabe en plataformas de redes sociales, específicamente en Twitter. Por lo tanto, este artículo presenta el Modelo Árabe BERT-Mini (ABMM) para identificar discurso de odio en redes sociales. Más específicamente, se empleó el modelo de representaciones de codificadores bidireccionales de transformadores (BERT) para analizar datos recopilados de Twitter y clasificar los resultados en tres categorías: normal, abuso y discurso de odio. Para evaluar nuestro modelo y los enfoques de vanguardia, realizamos una serie de experimentos con datos de Twitter. En comparación con trabajos anteriores sobre la detección de discurso de odio en árabe, el modelo ABMM muestra resultados muy prometedores con una puntuación de precisión de 0.986 en comparación con los otros modelos.