La difusión de información ocurre naturalmente en la comunicación social y es de interés en muchas áreas. La rápida propagación de noticias falsas (Fake News) en redes sociales, impacta en la dinámica social, estrategias de marketing, discursos políticos y generalmente el propósito de quienes propagan Fake News es causar daño. Por lo tanto, es crucial entender la propagación de rumores para predecir su influencia y mitigar sus efectos negativos. Como también, medir la participación de las personas cuando se dan cuenta de que la noticia es falsa, osea dejar de propagar el rumor o denunciando al propagador. El potencial de aplicación de los modelos de rumores es muy variado, e inclusive está relacionado con modelos epidemiológicos. Mediante esta relación podríamos estimar el impacto de un virus infeccioso y/o elaborar estrategias que mitiguen su propagación.

Nuestra propuesta se centra en el estudio de modelos teóricos que representen de forma sencilla la propagación de un rumor en redes complejas. Buscamos formular, simular, evaluar y generalizar los modelos en estructuras complejas y aleatorias. Empleamos simulaciones computacionales para explorar escenarios complejos en diversas estructuras y cuantificar su impacto. Abordaremos la dinámica de rumores mediante ecuaciones diferenciales y cadenas de Markov, como también la relación entre ambas formulaciones. Generalmente estos problemas son abordados de forma teórica, sin embargo nuestra propuesta busca integrar fundamentos matemáticos, estadísticos y computacionales para una mejor comprensión, medición y estimación de la propagación de los rumores en diversos escenarios aleatorios en redes complejas.