Ez a cikk leírja, hogy a Bayesian Belief Networks (BBN) segítségével hogyan vizsgálják, hogy egy gazdálkodási beavatkozás hogyan befolyásolja egy halászat teljesítményének több szempontját. Az elképzeléseket egy konkrét esettanulmány keretében dolgozták ki, amelyben a halászat teljesítményét a Marine Stewardship Council (MSC) tanúsítási pontszámaival mérték, a gazdálkodási beavatkozás pedig az volt, hogy a halászat a fogási részesedéssel való gazdálkodás (a jogalapú gazdálkodás egy formája) hatálya alá tartozik-e vagy sem. Egy halászat teljesítményét több mint 30 mutató alapján pontozzák az MSC-tanúsítvány megszerzéséhez. Ezek a mutatók három alapelvbe vannak csoportosítva, amelyek a fenntarthatóság különböző aspektusait mérik. A fogásrészesedéses gazdálkodás hatását más halászati jellemzők, például a halászeszköz típusa és a célfajok fényében kell vizsgálni, amelyek szintén befolyásolhatják az MSC-pontszámokat. A statisztikai modellek képesek mérni e jellemzők hatását az egyes mutatók pontszámára, de nem képesek egyszerre értékelni hatásukat az összes alapelvre együttesen. A BBN összefoglalta és szintetizálta az egyes mutatók statisztikai modelljeinek eredményeit. A BBN segítségével i. össze lehetett hasonlítani annak valószínűségét, hogy a különböző jellemzőkkel és fogásrészesedési gazdálkodási stratégiákkal rendelkező halászatok mindhárom alapelv vagy a mutatók alcsoportja tekintetében magas pontszámot érjenek el, ii. azonosítani lehetett, hogy egy olyan halászatot, amely mindhárom alapelv tekintetében magas pontszámot ér el, nagyobb valószínűséggel kezelnek-e fogásrészesedéssel, és iii. azonosítani lehetett azokat a jellemzőket és mutatókat, amelyek a leginkább összefüggnek a mindhárom alapelv tekintetében magas pontszám elérésével. A BBN képes volt kérdések széles körét megválaszolni, és mechanizmust biztosítani a statisztikai modellek egy olyan összetett adathalmazt leíró csoportjának integrálásához, amely több érdekes válaszváltozót tartalmaz.