This paper describes how Bayesian Belief Networks (BBNs) were used to investigate how a management intervention affects multiple aspects of a fishery’s performance. Koncepcje te zostały opracowane w kontekście konkretnego studium przypadku, w którym wyniki rybołówstwa były mierzone przy użyciu wyników certyfikacji Marine Stewardship Council (MSC), a interwencja w zakresie zarządzania dotyczyła tego, czy rybołówstwo jest zarządzane w ramach systemu catch share (forma zarządzania oparta na prawach połowowych), czy też nie. Aby uzyskać certyfikat MSC, wyniki połowowe oceniane są na podstawie ponad 30 wskaźników. Wskaźniki te są pogrupowane w trzy Zasady, które mierzą różne aspekty zrównoważonego rozwoju. Wpływ zarządzania w systemie catch-share musi być badany w świetle innych cech łowiska, takich jak rodzaj narzędzi połowowych i gatunki docelowe, które również mogą mieć wpływ na wyniki MSC. Modele statystyczne mogą zmierzyć wpływ tych cech na punktację poszczególnych wskaźników, ale nie są w stanie ocenić ich wpływu na wszystkie zasady jednocześnie. BBN podsumował i zsyntetyzował wyniki uzyskane za pomocą modelu statystycznego dla każdego wskaźnika. Dzięki BBN możliwe było (i) porównanie prawdopodobieństwa uzyskania wysokich wyników we wszystkich trzech Zasadach lub podzbiorach wskaźników dla łowisk o różnych cechach i strategiach zarządzania w systemie catch-share, (ii) ustalenie, czy łowisko, które uzyskało wysokie wyniki we wszystkich trzech Zasadach, jest bardziej skłonne do zarządzania w systemie catch-share oraz (iii) określenie cech i wskaźników, które są najbardziej związane z uzyskaniem wysokich wyników we wszystkich trzech Zasadach. BBN była w stanie odpowiedzieć na szeroki zakres pytań i zapewnić mechanizm integracji zestawu modeli statystycznych opisujących złożony zbiór danych z wieloma zmiennymi odpowiedzi będącymi przedmiotem zainteresowania.

.