La rápida expansión de las plataformas de gobierno móvil (m-Gobierno) en Arabia Saudita ha generado grandes volúmenes de comentarios de usuarios, creando una oportunidad para una evaluación sistemática y basada en datos de los servicios digitales públicos. Este estudio realiza un análisis de sentimiento a gran escala de las reseñas de usuarios en árabe recopiladas de cinco aplicaciones principales de m-Gobierno saudíes: Absher Business, Tawakkalna, Sehhaty, Nusuk y Najiz. Se construyó un conjunto de datos que comprende 84,000 reseñas, clasificadas en categorías de sentimiento positivo y negativo. Se evaluaron cinco modelos base basados en transformadores en árabe, AraBERT, ArabicBERT, CAMeLBERT, SaudiBERT y MARBERT, bajo un marco experimental unificado. Entre estos, SaudiBERT y MARBERT lograron el mejor rendimiento, con MARBERT obteniendo una precisión del 91.2 por ciento, un F1-score de 0.858 y un AUC de 0.942. Además, el ajuste fino eficiente en parámetros utilizando QLoRA en MARBERT preservó un rendimiento comparable (F1 = 0.854) mientras que redujo sustancialmente los requisitos computacionales. Estos hallazgos demuestran la viabilidad de un análisis de sentimiento escalable para evaluar y mejorar los servicios de m-Gobierno.