Este artigo descreve como Bayesian Belief Networks (BBNs) foram usadas para investigar como uma intervenção de manejo afeta múltiplos aspectos do desempenho de uma pescaria. As idéias foram desenvolvidas no contexto de um estudo de caso específico no qual o desempenho da pesca foi medido usando os escores de certificação do Marine Stewardship Council (MSC), e a intervenção de manejo foi se a pescaria está ou não sob o manejo de quotas de captura (uma forma de manejo baseado em direitos). O desempenho de uma pescaria é pontuado contra mais de 30 indicadores para obter a certificação MSC. Estes indicadores estão agrupados em três Princípios que medem diferentes aspectos de sustentabilidade. O efeito do manejo das quotas de captura deve ser investigado à luz de outras características da pesca, tais como tipo de arte e espécies alvo, o que também pode afetar a pontuação do MSC. Os modelos estatísticos podem medir o efeito destas características nas pontuações de cada indicador individual, mas não são capazes de avaliar o seu efeito em todos os Princípios em conjunto ao mesmo tempo. Um BBN sintetizou e sintetizou os resultados do modelo estatístico de cada indicador. Foi possível usar o BBN para (i) comparar a probabilidade de pontuação elevada nos três Princípios, ou subconjuntos de indicadores, para pescarias com diferentes características e estratégias de gestão de quotas de captura, (ii) identificar se uma pescaria com pontuação elevada nos três Princípios tem mais probabilidade de ser gerida usando quotas de captura e (iii) identificar as características e indicadores que estão mais associados com a obtenção de pontuações elevadas nos três Princípios. O BBN foi capaz de abordar uma ampla gama de questões e fornecer um mecanismo para integrar um conjunto de modelos estatísticos descrevendo um conjunto de dados complexos com múltiplas variáveis de resposta de interesse.