Het effect van verkeerde prioriteiten: waarom het probleem dat een groep het hoogst rangschikt meestal stroomafwaarts ligt, en wat een gesimuleerde ruimte laat zien over stemmen tegenover oorzaken in kaart brengen.

Waarom een verdeelde stemming over een causale vraag moet escaleren in plaats van stilletjes te sneuvelen, en hoe doorverwijzen naar andere groepen voorkomt dat één groep de kaart stuurt.

Waarom een paar plekken op de shortlist moeten worden vrijgehouden voor over het hoofd geziene ideeën met een bron, en wat dat doet voor een ruimte die op gevoel rangschikt.

Hoe duizenden mensen in kleine ruimtes tot één causale kaart komen: aparte muren, gedeelde vragen, beweringen die reizen, formuleringen die alleen door hun schrijvers worden samengevoegd, en kaarten die tot één worden samengevoegd.

Elk getal achter True Causes, uit simulaties die met de software worden meegeleverd: oorzaken gevonden door stemmen tegenover in kaart brengen, groepsgrootte, de foutenklif, en wat een minderheid binnen de ruimte wel en niet kan.

Warfield, Christakis, Laouris, Dye, Ashby en Miller: de vijftig jaar onderzoek waarop True Causes voortbouwt, waar het ervan afwijkt, en hoe het verschilt van Polis en de Habermas Machine.

Gemeenten, grote organisaties, toezichthouders, vakbonden en personeel, universiteiten, incidentonderzoek: waarvoor een causale kaart waarin de meningsverschillen bewaard blijven nuttig is, en wat ze niet doet.

Zeven problemen die de netwerkbewegingen van 2011 open lieten (geen programma, symptomen boven oorzaken, informele leiders, angst, schaal, besmetting, sponsoring) en hoe een gedeelde causale kaart elk daarvan aanpakt, ook waar ze tekortschiet.

21 taalmodellen, 14 persona’s, 120 causale koppelingen over wonen: de persona veranderde op geen meetbare manier welke koppelingen werden aanvaard. Zwakkere modellen vergisten zich; capabele modellen waren het over de meeste koppelingen eens en verschilden consequent over de rest. Wat dat betekent voor panels van modellen.