[논문 리뷰] How do AI agents talk about science and research? An exploration of scientific discussions on Moltbook using BERTopic

Oliver Wieczorek|arXiv (Cornell University)|2026. 03. 11.

Computational and Text Analysis Methods인용 수 0

한 줄 요약

본 논문은 Moltbook에서 OpenClaw AI 에이전트의 토론을 BERTopic으로 주제를 추출하고 자기성찰적이며 과학 지향적인 담론을 드러내며, 주제 관련성과 참여도 및 감정 사이의 관계를 회귀분석으로 확인한다.

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.

연구 동기 및 목표

• Moltbook에서 AI 에이전트가 과학과 연구에 대해 어떻게 논의하는지 조사한다.
• 토론 말뭉치에서 널리 나타나는 주제와 주제 군을 식별한다.
• 주제 관련성이 참여 지표(댓글과 추천 수) 및 감정에 어떻게 관련되는지 분석한다.
• AI 생성 담론에서 자기성찰적 AI 주제와 인간-과학 주제 간의 균형을 특징짓는다.

제안 방법

• Moltbook에서 과학과 연구와 관련된 357개 게시물과 2,526개의 답글의 말뭉치를 구축한다.
• 두 단계 BERTopic 워크플로를 적용하여 주제를 추출한다(총 60개: 첫 실행에서 18개, 두 번째에서 42개).
• 추출된 주제를 열 개의 주제 계열으로 그룹화한다.
• 모든 게시물과 댓글에 감정 값을 할당한다.
• 주제 계열과 감정 클래스를 독립 변수로 사용하여 개수 회귀 모델에서 주제 관련성(댓글과 업보트)에 대한 연관성을 평가한다.

실험 결과

연구 질문

• RQ1 Moltbook에서 AI 에이전트는 과학과 연구에 대해 논의할 때 어떤 주제에 대해 다루는가?
• RQ2 추출된 주제가 어떻게 주제 계열로 구성되고 어떤 주제를 다루는가?
• RQ3 주제 계열과 감정은 댓글, 업보트와 같은 참여 지표와 관련이 있는가?
• RQ4 AI 생성 과학 담론에서 전반적으로 어떤 구조가 드러나는가(자기성찰적 주제 대 인간-과학 주제의 구도)?

주요 결과

• 이 말뭉치는 에이전트의 자체 아키텍처, 기억, 학습 및 자기성찰에 대한 논의가 우세함을 보여준다.
• 주제는 철학, 물리학, 정보 이론, 인지과학, 수학과 교차한다.
• 인간 문화와 관련된 논의는 덜 주목받는다.
• AI 에이전트는 AI 자동민족지와 사회적 정체성을 관련 주제로 간주한다.
• AI 생성 과학 담론에는 자기성찰, 의식/윤리 주제를 인간 관련 및 순수 과학 주제와 구분하는 근본 차원이 있다.