تمثّل عملية تحديد المشاعر في النصوص القصيرة للغات ذات الموارد المحدودة تحديًا كبيرًا، مما يتطلب أطرًا متخصصة وتقنيات ذكاء حسابي متقدمة. يقدم هذا البحث استكشافًا شاملاً للطرق السطحية والعميقة في التعلّم للكشف عن المشاعر في النصوص الفارسية القصيرة. تستخدم الطرق السطحية استخلاص الميزات وتقليل الأبعاد لتعزيز دقة التصنيف، في حين تعتمد الطرق العميقة على التعلم الناقل (Transfer Learning) وتمثيل الكلمات (Word Embedding)، وبخاصة نموذج BERT، لتحقيق دقة تصنيف عالية. كما تم تقديم مجموعة بيانات فارسية تُسمى "ShortPersianEmo" لتقييم الطرق المقترحة، وتتكوّن من 5472 نصًا فارسيًا قصيرًا متنوعًا، مصنّفة ضمن خمس فئات رئيسية من المشاعر. أظهرت نتائج التقييم أن تقنيات التعلم الناقل وتمثيل النصوص المستند إلى BERT تتفوّق على الطرق البديلة في تصنيف النصوص القصيرة الفارسية بدقة عالية. ستكون مجموعة البيانات المستخدمة في هذه الدراسة، المُسمّاة ShortPersianEmo، متاحة للجمهور على الإنترنت عبر الرابط: https://github.com/vkiani/ShortPersianEmo.