Efekt błędnych priorytetów: dlaczego problem, który grupa stawia najwyżej, leży zwykle na końcu łańcucha i co symulowany pokój pokazuje o głosowaniu w porównaniu z mapowaniem przyczyn.

Dlaczego podzielone głosy w pytaniu o przyczyny powinny iść dalej, zamiast po cichu przepadać, i jak przekazanie pytania innym grupom nie pozwala żadnej pojedynczej grupie sterować mapą.

Dlaczego kilka miejsc na krótkiej liście warto zarezerwować dla przeoczonych pomysłów popartych źródłem i co to daje pokojowi, który szereguje według odczuć.

Jak tysiące ludzi w małych pokojach dochodzą do jednej mapy przyczyn: osobne tablice, wspólne pytania, twierdzenia, które wędrują, sformułowania scalane tylko przez ich autorów i mapy złożone w jedną.

Każda liczba stojąca za True Causes, z symulacji dołączonych do oprogramowania: przyczyny znalezione przez głosowanie w porównaniu z mapowaniem, wielkość grupy, próg błędu i to, co mniejszość wewnątrz pokoju może, a czego nie może zrobić.

Warfield, Christakis, Laouris, Dye, Ashby i Miller: pięćdziesiąt lat badań, na których opiera się True Causes, miejsca, w których od nich odchodzi, i czym różni się od Polis i Habermas Machine.

Samorządy, duże organizacje, regulatorzy, związki zawodowe i załogi, uczelnie, analizy incydentów: do czego przydaje się mapa przyczyn z zachowanymi sporami i czego ona nie robi.

Siedem problemów, które sieciowe ruchy z 2011 roku pozostawiły otwarte (brak programu, objawy zamiast przyczyn, nieformalni liderzy, strach, skala, zaraźliwość, sponsorzy), i jak wspólna mapa przyczyn mierzy się z każdym z nich, łącznie z tym, gdzie nie wystarcza.

21 modeli językowych, 14 person, 120 powiązań przyczynowych dotyczących mieszkalnictwa: persona nie zmieniła w mierzalny sposób tego, które powiązania zostały przyjęte. Słabsze modele się myliły; zdolne zgadzały się co do większości powiązań, a co do reszty różniły się w spójny sposób. Co to oznacza dla paneli modeli.