Tento článek popisuje, jak byly bayesovské sítě víry (BBN) použity ke zkoumání, jak zásah do řízení ovlivňuje více aspektů výkonnosti rybolovu. Tyto myšlenky byly rozvíjeny v kontextu konkrétní případové studie, v níž byla výkonnost rybolovu měřena pomocí výsledků certifikace Marine Stewardship Council (MSC) a řídicím zásahem bylo, zda je rybolov řízen na základě podílu na úlovku (forma řízení na základě práv), či nikoli. Pro získání certifikace MSC se výkonnost rybolovu hodnotí podle více než 30 ukazatelů. Tyto ukazatele jsou seskupeny do tří principů, které měří různé aspekty udržitelnosti. Vliv řízení na základě podílu na úlovcích je třeba zkoumat s ohledem na další charakteristiky rybolovu, jako je typ lovného zařízení a cílové druhy, které mohou rovněž ovlivnit hodnocení MSC. Statistické modely mohou měřit vliv těchto charakteristik na skóre každého jednotlivého ukazatele, ale nejsou schopny posoudit jejich vliv ve všech zásadách současně. BBN shrnul a syntetizoval výsledky statistického modelu každého ukazatele. Pomocí BBN bylo možné i) porovnat pravděpodobnost dosažení vysokého skóre ve všech třech zásadách nebo podskupinách ukazatelů pro rybolov s různými charakteristikami a strategiemi řízení pomocí podílů na úlovcích, ii) určit, zda je pravděpodobnější, že rybolov, který dosáhne vysokého skóre ve všech třech zásadách, bude řízen pomocí podílů na úlovcích, a iii) určit charakteristiky a ukazatele, které jsou nejvíce spojeny se získáním vysokého skóre ve všech třech zásadách. BBN byl schopen řešit širokou škálu otázek a poskytnout mechanismus pro integraci souboru statistických modelů popisujících komplexní soubor dat s mnoha proměnnými, které jsou předmětem zájmu.

.