تعتبر المتغيرات الكامنة من التحديات الأساسية التي تواجه كنتجت نتائج اكتشاف الأسباب واستنتاجها. تركز الأساليب التقليدية المحلية على الجيران المباشرين، مما قد يفتقر إلى رؤى على مستوى أوسع. بينما تقدم الأساليب على مستوى الكتلة قدرات على التفكير السببي بشكل أوسع، إلا أنها غالبًا ما تفترض معرفة مسبقة بالكتل أو تحتاج إلى كفاءة سبب كافية.

وعند تطبيق الأساليب الخاصة باكتشاف أسباب المتغيرات الفردية على مشاكل الكتل، تتعارض هذه المنهجيات مع كفاءة السبب مما قد يؤدي إلى نتائج غير صحيحة.

للتغلب على هذه القيود، يقدم هذا البحث إطار L2C (الانتقال من المحلي إلى الكتلة) الذي يجمع بين تعلم الهيكل المحلي واكتشاف الأسباب على مستوى الكتلة. عوضًا عن المتطلبات السابقة التي كانت تقتضي تعيين يدوي كامل للمتغيرات الدقيقة إلى الكتل، يقوم L2C باكتشاف التجزئة تلقائيًا من الأنماط السببية المحلية.

تعتمد هذه الحلول على نظرية تقليص الكتلة لتقليل أي كتلة إلى ثلاثة عقد على الأكثر دون فقدان المعلومات السببية، وتطبق اكتشاف الأسباب المحلي لتحديد الأسباب والتأثيرات الهامة، وتوفر استنتاجات سببية على مستوى أكبر من خلال حساب الكتلة على الرسم البياني الذي تم تعلمه.

لا يتطلب L2C فرض كفاءة السبب، حيث يتم التعامل مع المتغيرات الكامنة من خلال الاكتشاف المحلي. يوضح التحليل النظري أن L2C يضمن الصلابة والكمال الذري والكفاءة الحسابية. تظهر التجارب الواسعة على بيانات صناعية وحقيقية أن L2C يستعيد بدقة الكتل الحقيقية، ويحقق تفوقًا في التعرف على التأثيرات السببية الكلية مقارنة بالمعايير الحالية.