01 基本データ
2007年から2026年まで19.3年、12,651件。活動日は3,558日、期間内稼働率は50.5%である。コメント率25.7%は選んだ記事の一部にだけコメントを足す選択型を示し、中央値47字からコメントは一段落以内の中距離が中心。総スター10,748、1件平均0.85スターで、量に対する反応の密度も確認できる。
02 投稿時間帯
時間帯（0〜23時）
曜日
最多は7時の9.6%で、次いで8時7.1%、12時6.2%。日中9〜17時は45.3%、18〜23時は24.4%、深夜0〜5時は9.0%で、日中の巡回が明確に厚い。曜日は水曜15.0%が最多、土曜13.5%が最少。土日合計27.5%なので、平日だけの習慣か週末型かも数字で読める。
03 よく参照する媒体
ほか計30媒体
上位媒体はtogetter.com 2,850件、anond.hatelabo.jp 1,750件、note.com 426件、twitter.com 351件。上位2媒体だけで36.4%を占め、入口の偏りはかなり強い。媒体種別ではネット言論→報道→その他の順で、単に何を読むかだけでなく、話題をどこで発見し、どの種類の資料へ移るかという巡回経路が出ている。特に増田・Togetter偏重なら村内言論、新聞・NHK偏重なら出来事追随、Qiita等が厚ければ実務情報の比重として読むべきである。
04 主要テーマ・関心
主要テーマはネット/SNS 45.4%（Twitter・増田・ブコメ）、メディア/報道 15.4%（NHK・朝日新聞）、生活/社会 12.5%、AI/IT/技術 12.2%。量の首位はネット/SNSだが、反応効率は政治/政党の平均2.85スターが最も高い。テーマ比率はタイトル・コメント・タグ・媒体の一致を含むため思想判定ではないが、どの話題へ戻り続けるかは明確に示す。量が多い領域とスターが集まる領域のずれは、本人の関心と読者が評価する芸の違いとして読むとよい。
05 頻出語
特徴語は「大学」74回、「研究」62回、「学生」52回、「博士」46回、「東大」40回、「就職」47回。単語を束ねると研究・教育（大学・研究・学生・博士）、雇用・組織（就職・ベンチャー・採用・社員）、医療・健康（医者・医療・ワクチン・病院）という複数の話題群が見える。単独語から立場を決めつけることはできないが、記事ごとの感想がどの制度・職業・国・作品へ繰り返し接続されるかは分かる。一般語を除いても残る組み合わせこそ、このユーザー固有の関心の指紋である。
06 文体の特徴
| 短文ツッコミ（30字以下） | 990 |
| 引用括弧「」を含む | 950 |
| 疑問符を含む | 784 |
| 感嘆符を含む | 233 |
| 一人称（俺・私・自分）を含む | 221 |
| w/草/笑を含む | 206 |
| URL提示・資料参照を含む | 201 |
| 長文コメント（100字以上） | 145 |
| というか型 | 20 |
| そもそも型 | 20 |
| むしろ型 | 5 |
| idコールを含む | 3 |
主調は引用切り返し型で、相手や記事の文言を抜き出し、矛盾を見せる。定量マーカーは短文30.4%、長文4.5%、引用29.2%、疑問符24.1%、コメント中央値47字。さらに代表例では結論を先に置く型と説明を足す型が混在。疑問形で前提や例外を洗い直す傾向も併存する。候補語には引用や制度批判も多く、強い単語の機械一致だけで攻撃性を断定すべきではない。
07 スター分析
上位スター付与者
スターが付きやすい領域（平均スター）
上位スター付与者はspeed_star_99 77、watto 72、activecute 70、wisboot 64。上位5人の合計は総スターの3.2%で、支持が特定少数に集中しているかも読める。テーマ別平均は政治/政党 2.85、メディア/報道 2.30、事件/司法 1.93が上位で、ブックマーク量の多い話題と、コメントが評価される話題は分けて見る必要がある。
08 思想・政治傾向
研究・教育（大学・研究・学生）、雇用・組織（就職・ベンチャー・採用）、医療・健康（医者・医療・ワクチン）が、このユーザーの関心を具体化する語群である。広いテーマではネット・SNS、報道、生活・社会、IT・技術にまたがるが、代表例では制度運用の穴に反応する視線が共通し、相手や記事の文言を抜き出し、矛盾を見せる。これは賛否の陣営を示すものではなく、記事のどこに故障・矛盾・不公平を見つけるかを示す観察傾向である。
09 類似・正反対・idコール頻度が高いユーザーとの比較
類似: vmcとは、AI・ITと学術・教育への比重が近いうえ、『医学部・博士・ノーベル賞』周辺の語も重なる。本人は引用切り返し型、vmcは短文判定型で、関心が近くても結論までの運び方は異なる。ただし、本人はAI・ITへ、vmcは文化・表現へ相対的に広がる。上位スター付与者記録では両者間に計48スター（本人が受領48・付与0）が確認できる。
10 総合評価
Dicerの12,651件には、大学・研究・学生・博士が何度も戻ってくる。強みは研究・教育と雇用・組織の制度運用の穴を、相手や記事の文言を抜き出し、矛盾を見せる力で、見出しだけでは落ちる責任・運用・例外をコメント欄へ戻すこと。一方、引用した相手の粗さに議論全体が引っ張られる危うさも同じ技法の裏側にある。関心分野の数より、何を『故障の徴候』として拾うかに個性が出るブックマーカーである。