Propagación de rumores en hipergrafos

Por qué importan los chats grupales para los rumores

Cada día, millones de mensajes recorren chats grupales en aplicaciones como WhatsApp y Telegram. Un solo enlace o captura de pantalla puede saltar de un grupo a otro, convirtiéndose rápidamente en un rumor que configura la opinión sobre política, salud o sucesos cotidianos. Sin embargo, la mayoría de los modelos científicos de difusión de información siguen tratando la comunicación como si ocurriera por pares —una persona hablando con otra— en lugar de en grupos. Este artículo plantea: ¿qué cambia cuando tomamos en serio a los grupos, y cómo altera eso nuestra comprensión de cuándo los rumores estallan o se apagan?

De enlaces simples a redes grupales complejas

En las plataformas de mensajería, la gente no solo habla uno a uno: participa en muchos grupos que se traslapan. Para captar esto, los autores usan una estructura matemática llamada hipergrafo, donde una sola “arista” puede conectar a muchas personas a la vez, representando un grupo de chat. En su modelo, cada persona puede estar en uno de tres estados: ignorante del rumor, propagador activo o habiéndolo oído pero sin seguir reenviándolo. Un rumor se difunde dentro de un grupo solo cuando suficientes miembros ya lo están propagando, reflejando la presión social que se genera cuando muchos contactos repiten la misma historia. En ese momento, todos en el grupo que eran ignorantes pueden convertirse de pronto en propagadores, imitando las oleadas reales de actividad en chats populares.

Cómo los rumores se quedan sin fuerza

Los rumores no se propagan indefinidamente. La gente acaba perdiendo interés o decide que «ya lo sabe todo el mundo» y deja de reenviar mensajes. La novedad clave de este trabajo es cómo trata esa desaceleración. En lugar de suponer que las personas dejan de propagar al azar, los autores permiten que esto ocurra mediante la saturación basada en grupos. Una vez que una persona pertenece a suficientes grupos donde el rumor ya ha circulado ampliamente, se convierte en un «apagador» que ya no lo transmite. Esta regla simple da lugar a dos maneras muy distintas en que los rumores pueden decaer. En algunos casos, el número de propagadores activos cae rápidamente de forma exponencial, similar a muchos modelos epidémicos estándar. En otros, el declive es mucho más lento y sigue una ley de potencias, lo que permite cascadas de rumores raras pero de duración muy prolongada.

Puntos críticos en las cascadas de rumores

Mediante grandes simulaciones por ordenador, los investigadores cartografían cuándo los rumores se apagan, cuándo estallan y cómo se acercan a los puntos de inflexión entre estos comportamientos. Demuestran que el equilibrio entre la facilidad con la que se encienden los grupos (el umbral de propagación) y la rapidez con que las personas se saturan (el umbral de parada) determina qué régimen aparece. Curiosamente, a lo largo de una amplia gama de estructuras de red —desde colecciones de grupos bastante uniformes hasta otras muy desiguales con muchos chats pequeños y algunos canales enormes— las transiciones que observan son continuas. No hay un salto repentino de «casi ningún rumor» a «todo el mundo lo sabe», sino más bien un cambio suave en el que las cascadas de rumores crecen gradualmente y se vuelven más persistentes cerca del punto crítico.

Coincidir la teoría con datos reales de Telegram

Para comprobar si su modelo abstracto captura el comportamiento real, los autores recurren a un gran conjunto de datos de canales públicos de Telegram que contienen cientos de millones de mensajes. Construyen una red basada en grupos donde los usuarios pertenecen a uno o más canales y luego rastrean cascadas de mensajes que comparten el mismo enlace web, tratando cada enlace como un rumor distinto. Para cada cascada miden cuánto tiempo sobrevive el rumor y con qué frecuencia se reenvía. Cuando simulan su modelo directamente sobre esta red de Telegram, encuentran que las estadísticas de las cascadas simuladas —su tamaño y su duración— coinciden mejor con los datos reales cuando el sistema está calibrado cerca del punto crítico. Resultados similares a partir de un conjunto de datos de comunicaciones por correo electrónico refuerzan este panorama.

Qué significa esto para la información en línea

En conjunto, el estudio sugiere que la propagación de rumores en sistemas grupales en línea tiende a operar cerca de un punto de equilibrio delicado: los rumores no explotan siempre de forma descontrolada ni se apagan siempre con rapidez, sino que se sitúan cerca de un régimen crítico donde coexisten cascadas pequeñas y grandes. Al modelar explícitamente las conversaciones de grupo en lugar de solo los enlaces individuales, y al vincular la extinción del rumor con la saturación de los grupos de una persona, los autores ofrecen un marco más realista para entender el contenido viral en las aplicaciones de mensajería. Para responsables políticos y diseñadores de plataformas, este trabajo sugiere que incluso pequeños cambios en cómo se forman, se solapan o reenvían mensajes los grupos podrían alejar la dinámica de rumores de este borde crítico y ayudar a frenar la difusión de la desinformación sin necesidad de vigilar cada mensaje individual.

Cita: Oliveira, K.A., Traversa, P., Ferraz de Arruda, G. et al. Rumor propagation on hypergraphs. Nat Commun 17, 3253 (2026). https://doi.org/10.1038/s41467-026-70096-w

Palabras clave: propagación de rumores, grupos en redes sociales, redes de hipergrafos, cascadas de información, criticidad