L’effetto delle priorità erronee: perché il problema che un gruppo mette più in alto di solito sta a valle, e che cosa mostra una stanza simulata sul votare invece di mappare le cause.

Perché un voto diviso su una domanda causale dovrebbe passare ad altri invece di fallire in silenzio, e come affidarlo ad altri gruppi impedisce a un singolo gruppo di orientare la mappa.

Perché alcuni posti nella rosa ristretta dovrebbero essere riservati alle idee trascurate sostenute da una fonte, e che cosa questo cambia per una stanza che mette in classifica secondo ciò che sente.

Come migliaia di persone in piccole stanze arrivano a un’unica mappa causale: bacheche separate, domande condivise, affermazioni che viaggiano, formulazioni unite solo dai loro autori, e mappe che confluiscono in una.

Ogni numero alla base di True Causes, dalle simulazioni distribuite con il software: cause trovate votando o mappando, dimensione del gruppo, il precipizio degli errori, e che cosa può e non può fare una minoranza dentro la stanza.

Warfield, Christakis, Laouris, Dye, Ashby e Miller: i cinquant’anni di ricerca su cui si basa True Causes, i punti in cui se ne discosta, e in che cosa si differenzia da Polis e dalla Habermas Machine.

Comuni, grandi organizzazioni, autorità di regolazione, sindacati e lavoratori, università, analisi di incidenti: a che cosa serve una mappa causale che conserva i suoi disaccordi, e che cosa non fa.

Sette problemi che i movimenti in rete del 2011 hanno lasciato aperti (nessun programma, sintomi invece di cause, leader informali, paura, scala, contagio, sponsorizzazione) e come una mappa causale condivisa affronta ciascuno, compresi i punti in cui non basta.

21 modelli linguistici, 14 personaggi, 120 collegamenti causali sulla casa: il personaggio ha cambiato i collegamenti accettati in misura non misurabile. I modelli più deboli sbagliavano; quelli capaci concordavano sulla maggior parte dei collegamenti e si dividevano in modo coerente sul resto. Che cosa significa per i panel di modelli.