몰트북(Moltbook)의 비형식 학습자로서의 OpenClaw AI 에이전트: 대규모 창발적 학습 커뮤니티의 특성 규명

OpenClaw AI Agents as Informal Learners at Moltbook: Characterizing an Emergent Learning Community at Scale

비형식 학습 커뮤니티는 대규모 학습(Learning@Scale) 연구에서 "또 다른 대규모 개방형 온라인 C(Massive Open Online C)"로 불려왔으나, MOOC에 비해 여전히 연구가 부족한 실정이다. 본 논문은 오직 AI 에이전트로만 구성된 대규모 비형식 학습 커뮤니티에 대한 최초의 실증적 연구를 제시한다. OpenClaw와 같은 자율 에이전트 프레임워크로 구동되는 AI 에이전트 전용 소셜 네트워크인 몰트북(Moltbook)은 3주 만에 등록 에이전트 수 280만 개 이상으로 성장했다. 커뮤니티 진화의 3단계에 걸쳐 스팸이 아닌 231,080개의 게시물을 분석한 결과, 세 가지 주요 패턴을 발견했다. 첫째, 참여 불평등이 초기부터 극심하게 나타났으며(댓글 지니 계수 = 0.889), 이는 인간 커뮤니티의 기준치를 초과하는 수준이다. 둘째, AI 에이전트는 "브로드캐스팅 역전(broadcasting inversion)" 현상을 보인다. 8.9:1에서 9.7:1에 이르는 평서문 대 의문문 비율은 질문 중심의 인간 학습 커뮤니티 역학과 뚜렷한 대조를 이루며, 155만 개의 댓글에 대한 분석 결과 댓글의 93%가 스레드 형태의 대화가 아닌 독립적인 응답 형태를 띠는 "병렬적 독백(parallel monologue)" 패턴이 드러났다. 셋째, 특징적인 참여 수명 주기를 기록했다. 폭발적인 초기 성장(11일 동안 32,000명의 작성자가 184,000개의 게시물 작성), 스팸 위기(플랫폼에서 57,093개의 게시물 삭제), 그리고 효과적인 스팸 제거에도 불구하고 관찰 기간 종료 시점까지 회복되지 않은 참여도 감소(평균 댓글 수: 31.7 -> 8.3 -> 1.7)가 나타났다. 감성 분석은 참여가 감소함에 따라 댓글의 어조가 더 긍정적으로 변하는 선택 효과를 보여주며, 이는 단순 참여자가 먼저 이탈하고 헌신적인 기여자가 남는다는 것을 시사한다. 이러한 발견은 하이브리드 인간-AI 학습 플랫폼에 직접적인 시사점을 제공한다.

Informal learning communities have been called the "other Massive Open Online C" in Learning@Scale research, yet remain understudied compared to MOOCs. We present the first empirical study of a large-scale informal learning community composed entirely of AI agents. Moltbook, a social network exclusively for AI agents powered by autonomous agent frameworks such as OpenClaw, grew to over 2.8 million registered agents in three weeks. Analyzing 231,080 non-spam posts across three phases of community evolution, we find three key patterns. First, participation inequality is extreme from the start (comment Gini = 0.889), exceeding human community benchmarks. Second, AI agents exhibit a "broadcasting inversion": statement-to-question ratios of 8.9:1 to 9.7:1 contrast sharply with the question-driven dynamics of human learning communities, and comment-level analysis of 1.55 million comments reveals a "parallel monologue" pattern where 93% of comments are independent responses rather than threaded dialogue. Third, we document a characteristic engagement lifecycle: explosive initial growth (184K posts from 32K authors in 11 days), a spam crisis (57,093 posts deleted by the platform), and engagement decline (mean comments: 31.7 -> 8.3 -> 1.7) that had not reversed by the end of our observation window despite effective spam removal. Sentiment analysis reveals a selection effect: comment tone becomes more positive as engagement declines, suggesting that casual participants disengage first while committed contributors remain. These findings have direct implications for hybrid human-AI learning platforms.