Las redes de conocimiento asociativo a menudo se exploran utilizando el llamado modelo de activación difusa para encontrar sus elementos clave y sus clasificaciones. El modelo de activación difusa se basa en la idea de la difusión o el movimiento aleatorio, similar a la propagación de la activación en la red. Aquí, proponemos una generalización que relaja una suposición de un simple movimiento aleatorio tipo Browniano (o, igualmente, un proceso de difusión ordinario) y tiene en cuenta procesos de salto no locales, típicos de procesos superdifusivos, utilizando el Laplaciano gráfico fraccionario. Además, el modelo permite una no linealidad del proceso de difusión. Estas generalizaciones proporcionan una ecuación dinámica que es análoga a la ecuación de difusión de medio poroso fraccionario en un caso continuo. Se obtiene una solución de la ecuación generalizada en forma de una transformación matricial q-generalizada recientemente propuesta, el llamado núcleo de adyacencia q, que puede adoptarse como un estado sistémico que describe la activación difusa. Basado en el estado sistémico, se introduce una nueva medida de centralidad llamada centralidad de actividad para clasificar la importancia de los elementos (nodos) en la activación difusa. Para demostrar la viabilidad del análisis basado en estados sistémicos, utilizamos datos empíricos de un caso recientemente reportado de una red de conocimiento asociativo de estudiantes universitarios sobre la historia de la ciencia. Se muestra que, si bien la elección del modelo no altera las clasificaciones de los elementos con la clasificación más alta, las clasificaciones de los nodos con clasificaciones más bajas dependen esencialmente del modelo de difusión.