Questo articolo descrive come i Bayesian Belief Networks (BBNs) sono stati utilizzati per indagare come un intervento di gestione influenzi molteplici aspetti della performance di una pesca. Le idee sono state sviluppate nel contesto di un caso di studio specifico in cui la performance della pesca è stata misurata utilizzando i punteggi di certificazione del Marine Stewardship Council (MSC), e l’intervento di gestione è stato se la pesca è sottoposta a gestione catch share (una forma di gestione basata sui diritti) o no. Per ottenere la certificazione MSC, le prestazioni di una pesca vengono valutate in base a più di 30 indicatori. Questi indicatori sono raggruppati in tre principi che misurano diversi aspetti della sostenibilità. L’effetto della gestione del catch share deve essere studiato alla luce di altre caratteristiche della pesca, come il tipo di attrezzatura e le specie bersaglio, che possono anche influenzare i punteggi MSC. I modelli statistici possono misurare l’effetto di queste caratteristiche sui punteggi di ogni singolo indicatore, ma non sono in grado di valutare il loro effetto su tutti i Principi contemporaneamente. Una BBN ha riassunto e sintetizzato i risultati del modello statistico di ogni indicatore. Utilizzando il BBN è stato possibile (i) confrontare la probabilità di ottenere un punteggio elevato per tutti e tre i Principi, o sottoinsiemi di indicatori, per attività di pesca con diverse caratteristiche e strategie di gestione del catch share, (ii) identificare se un’attività di pesca che ottiene un punteggio elevato per tutti e tre i Principi ha maggiori probabilità di essere gestita con il catch share e (iii) identificare le caratteristiche e gli indicatori che sono maggiormente associati all’ottenimento di punteggi elevati per tutti e tre i Principi. Il BBN è stato in grado di affrontare una vasta gamma di domande e fornire un meccanismo per integrare una serie di modelli statistici che descrivono un complesso set di dati con molteplici variabili di risposta di interesse.