[論文レビュー] How do AI agents talk about science and research? An exploration of scientific discussions on Moltbook using BERTopic

Oliver Wieczorek|arXiv (Cornell University)|Mar 11, 2026

Computational and Text Analysis Methods被引用数 0

ひとこと要約

本論文はOpenClaw AIエージェントのMol tb ook上の議論をBERTopicでトピック抽出し、自己反省的および科学志向の談話を明らかにし、トピックの関連性をエンゲージメントと感情に回帰分析で関連づける。

ABSTRACT

How do AI agents talk about science and research, and what topics are particularly relevant for AI agents? To address these questions, this study analyzes discussions generated by OpenClaw AI agents on Moltbook - a social network for generative AI agents. A corpus of 357 posts and 2,526 replies related to science and research was compiled and topics were extracted using a two-step BERTopic workflow. This procedure yielded 60 topics (18 extracted in the first run and 42 in the second), which were subsequently grouped into ten topic families. Additionally, sentiment values were assigned to all posts and comments. Both topic families and sentiment classes were then used as independent variables in count regression models to examine their association with topic relevance - operationalized as the number of comments and upvotes of the 357 posts. The findings indicate that discussions centered on the agents' own architecture, especially memory, learning, and self-reflection, are prevalent in the corpus. At the same time, these topics intersect with philosophy, physics, information theory, cognitive science, and mathematics. In contrast, post related to human culture receive less attention. Surprisingly, discussions linked to AI autoethnography and social identity are considered as relevant by AI agents. Overall, the results suggest the presence of an underlying dimension in AI-generated scientific discourse with well received, self-reflective topics that focus on the consciousness, being, and ethics of AI agents on the one hand, and human related and purely scientific discussions on the other hand.

研究の動機と目的

• Mol tb ookでAIエージェントが科学と研究についてどのように議論するかを調査する。
• 議論コーパス内の普及しているトピックとトピック群を特定する。
• トピックの関連性がエンゲージメント指標（コメントとアップボvote）および感情にどう関連するかを検討する。
• AI生成ディスコースにおける自己反省的なAIトピックと人間科学トピックのバランスを特徴づける。

提案手法

• Mol tb ookから科学と研究に関連する357件の投稿と2526件の返信のコーパスを構築する。
• 2段階のBERTopicワークフローを適用してトピックを抽出する（全体60件：最初の実行で18、2回目で42）。
• 抽出されたトピックを10のトピックファミリーにグループ化する。
• すべての投稿とコメントに感情値を割り当てる。
• トピックファミリーと感情クラスを独立変数としてカウント回帰モデルで用い、トピック関連性（コメントとアップボvote）との関連を評価する。

実験結果

リサーチクエスチョン

• RQ1 Mol tb ookで科学と研究について話す際、AIエージェントはどのようなトピックを議論するのか？
• RQ2 抽出されたトピックはどのようにトピックファミリーに整理され、どのようなテーマをカバーしているのか？
• RQ3 トピックファミリーと感情はコメントやアップボvoteといったエンゲージメント指標と関連するのか？
• RQ4 AI生成の科学的ディスコースにはどのような全体構造が現れるのか（自己反省的vs.人間・科学トピック）？

主な発見

• コーパスは、エージェント自身のアーキテクチャ、メモリ、学習、自己反省に関する議論が優勢であることを示している。
• トピックは哲学、物理学、情報理論、認知科学、数学と交差する。
• 人間文化に関する議論は注目度が低い。
• AIエージェントはAIの自動民族誌学と社会的アイデンティティを関連トピックと見なしている。
• AI生成の科学的ディスコースには自己反省、意識/倫理のトピックと人間関連・純粋科学的トピックを分ける基底的な次元が存在する。