La evolución dinámica de las emociones colectivas a lo largo del ciclo de vida de la difusión de noticias es una señal poderosa pero poco explorada en la computación afectiva. Mientras que fenómenos como la propagación de noticias falsas dependen de la evocación de trayectorias emocionales específicas, los métodos existentes a menudo no logran capturar estas señales afectivas dinámicas cruciales. Muchos enfoques se centran en texto estático o topología de propagación, limitando su robustez y fallando en modelar el ciclo de vida emocional completo para aplicaciones como la evaluación de veracidad. Este artículo presenta C-STEER (Evolución Emocional Temporal-Sentimental Consciente del Ciclo), un nuevo marco basado en la teoría de la comunicación, diseñado para modelar las etapas características de inicio, explosión y decaimiento de estos arcos emocionales. Guiado por la Teoría de la Difusión de Innovaciones, C-STEER primero segmenta una cascada de información en sus fases del ciclo de vida. Luego, operacionaliza ideas de la Teoría de Usos y Gratificaciones y la Teoría de Contagio Emocional para extraer características emocionales específicas de cada etapa y modelar sus dependencias temporales utilizando una Memoria a Largo Plazo Bidireccional (BiLSTM). Para validar el poder descriptivo y predictivo del marco, lo aplicamos al desafiante dominio de la detección de noticias falsas. Los experimentos en los conjuntos de datos Weibo21 y Twitter16 demuestran que modelar la dinámica emocional del ciclo de vida mejora significativamente el rendimiento de detección, logrando puntuaciones F1-macro del 91.6% y 90.1%, respectivamente, superando a las líneas base de última generación por márgenes del 1.6% al 2.4%. Este trabajo valida el marco C-STEER como un enfoque efectivo para el modelado computacional de los ciclos de vida de las emociones colectivas.