错误优先效应：为什么小组排得最高的问题通常处于下游，以及一个模拟房间关于投票与绘制原因地图的对比说明了什么。

为什么在因果问题上意见分裂时应当上交而不是悄悄作废，以及把它转给其他小组如何让任何一个小组都无法操纵地图。

为什么应当为有来源支持的、被忽视的想法保留几个候选名单位置，以及这对一个按感受排序的房间有什么作用。

成千上万的人如何在一个个小房间里得出一张因果地图：各自的墙、共享的问题、可以传递的主张、只由作者合并的不同措辞，以及合而为一的地图。

True Causes 背后的每一个数字，都来自随它一起发布的模拟：投票与绘制地图各自找出的原因、小组规模、错误率的悬崖，以及房间内部的少数派能做什么、不能做什么。

Warfield、Christakis、Laouris、Dye、Ashby 和 Miller：True Causes 所依托的五十年研究，它在哪些地方有所偏离，以及它与 Polis 和 Habermas Machine 有何不同。

市政府、大型组织、监管机构、工会与员工队伍、大学、事故复盘：一张保留了分歧的因果地图有什么用，以及它不做什么。

2011 年的网络化运动留下的七个未解问题（没有纲领、只见症状不见原因、非正式领袖、恐惧、规模、传染式传播、资助背景），以及一张共享的因果地图如何面对每一个问题，包括它力有不逮之处。

21 个语言模型、14 种人设、120 条关于住房的因果关联：人设对哪些关联被接受的影响小到无法测量。较弱的模型会出错；能力强的模型在大多数关联上意见一致，在其余关联上的分歧也前后一致。这对由模型组成的评审组意味着什么。