En las redes sociales, los usuarios están difundiendo desinformación fácilmente y sin verificar los hechos. En principio, no tienen una intención maliciosa, pero su compartición conduce a un mecanismo de difusión socialmente peligroso. Las motivaciones detrás de este comportamiento se han vinculado a una amplia variedad de resultados sociales y personales, pero estos usuarios no son fácilmente identificables. Las soluciones existentes muestran cómo el análisis de señales lingüísticas en las publicaciones de redes sociales combinado con la exploración de topologías de red son efectivas en este campo. Estas aplicaciones tienen algunas limitaciones, como centrarse únicamente en las noticias falsas compartidas y no entender la tipología del usuario que las difunde. En este artículo, proponemos un enfoque computacional para extraer características de las publicaciones en redes sociales de estos usuarios para reconocer quién es un difusor de noticias falsas sobre un tema dado. Gracias al conjunto de datos CoAID, comenzamos el análisis con 300 K usuarios comprometidos en una plataforma de microblogging en línea; luego, enriquecimos el conjunto de datos ampliándolo a una colección de más de 1 M de acciones compartidas y sus publicaciones asociadas en la plataforma. El enfoque propuesto procesa un lote de publicaciones de Twitter autoría de usuarios del conjunto de datos CoAID y las convierte en una matriz de características de alta dimensión, que luego son explotadas por una arquitectura de red neuronal profunda basada en transformadores para realizar la clasificación de usuarios. Probamos la efectividad de nuestro trabajo comparando la precisión, el recall y el f1 score de nuestro modelo con diferentes configuraciones y con un clasificador base. Obtuvimos un f1 score de 0.8076, logrando una mejora del estado del arte del 4%.