تحلیل ادراک ماهیگیران از تجهیزات ماهیگیری پایدار در بندر سکتی، لوکسوماوه

2.1 منطقه و جامعه مورد مطالعه

این پژوهش در ناحیه بندر سکتی، شهر لوکسوماوه انجام شد. جامعه هدف شامل ماهیگیران محلی فعال در زمینه صید در تنگه مالاکا بود. نمونه‌گیری از این جامعه انجام شد تا نمایندگی از تنوع اقتصادی-اجتماعی جامعه تضمین شود.

2.2 گردآوری و تحلیل داده‌ها

داده‌های مربوط به ادراک ماهیگیران و متغیرهای اقتصادی-اجتماعی (درآمد، تعداد افراد تحت تکفل، مواجهه با برنامه‌های ترویجی) از طریق پرسشنامه جمع‌آوری شد. تحلیل شامل دو ابزار آماری کلیدی بود:

• فرمول بازه طبقه‌ای: برای دسته‌بندی و کمی‌سازی سطح ادراک ماهیگیران (مثلاً پایین، متوسط، بالا) استفاده شد.
• همبستگی رتبه‌ای اسپیرمن: یک آزمون ناپارامتریک که برای تحلیل قدرت و جهت رابطه بین متغیرهای ترتیبی اقتصادی-اجتماعی و نمرات ادراک به کار رفت. ضریب همبستگی ($\rho$) از ۱- تا ۱+ متغیر است.

3.1 تحلیل سطح ادراک

سطح کلی ادراک ماهیگیران نسبت به تجهیزات ماهیگیری پایدار بالا ارزیابی شد. با استفاده از فرمول بازه طبقه‌ای، نمرات ادراکی عمدتاً در محدوده ۲۸۸-۲۲۴> قرار گرفتند که نشان‌دهنده نگرش کلی مثبت و پذیرا نسبت به ادوات دوستدار محیط زیست در جامعه است.

3.2 تحلیل همبستگی اقتصادی-اجتماعی

همبستگی رتبه‌ای اسپیرمن روابط خاصی را آشکار کرد:

• درآمد و تعداد افراد تحت تکفل: همبستگی مثبت ضعیفی ($\rho$ در بازه ۰.۳۹۹-۰.۲۰) با ادراک از گزینش‌پذیری ادوات نشان دادند. درآمد بالاتر/تعداد افراد تحت تکفل بیشتر، با درک بهتر از ادوات گزینشی همبستگی اندکی داشت.
• برنامه‌های ترویجی: همبستگی مثبت متوسطی ($\rho = ۰.۵۷۱$) با ادراک از ایمنی ادوات نشان داد. ماهیگیرانی که در برنامه‌های آگاه‌سازی شرکت کرده بودند، درک بهتری از ایمنی تجهیزات داشتند.
• سایر متغیرها: اکثر سایر عوامل اقتصادی-اجتماعی همبستگی بسیار ضعیف یا ناچیزی ($\rho$ نزدیک به ۰، سطح معناداری > ۰.۰۵) با ادراک کلی نشان دادند.

4.1 بینش محوری

یافته محوری این مطالعه این نیست که ماهیگیران در برابر پایداری مقاومت می‌کنند—آن‌ها مقاومت نمی‌کنند. نمرات بالای ادراک این افسانه را رد می‌کند. بینش واقعی این است که پذیرش، توسط محاسبات عملی اقتصادی-اجتماعی محدود می‌شود، نه بی‌تفاوتی محیط زیستی. ماهیگیران ادوات را از منظر ریسک (ایمنی) و کارایی (گزینش‌پذیری) می‌بینند که مستقیماً با ثبات معیشت مرتبط است. این امر با مدل‌های گسترده‌تر اقتصاد رفتاری، مانند آنچه در کتاب "سوق دادن" اثر تالر و سانستین بحث شده، همسو است؛ جایی که تصمیم‌گیری وابسته به بافت است و اغلب منافع ملموس و فوری را بر سودهای انتزاعی بلندمدت ترجیح می‌دهد.

4.2 روند منطقی

منطق پژوهش مستحکم اما خطی است: سنجش ادراک → همبستگی با ویژگی‌های جمعیتی → شناسایی محرک‌ها. این مطالعه به درستی برنامه‌های ترویجی را به عنوان قوی‌ترین عامل همبسته شناسایی می‌کند که یافته‌ای مستحکم و قابل اجرا است. با این حال، این روند از کاوش در سازوکارهای علّی کوتاه می‌آید. چرا برنامه‌های ترویجی مؤثرند؟ آیا این برنامه‌ها اعتماد می‌سازند، منفعت اقتصادی را نشان می‌دهند یا ریسک درک‌شده را کاهش می‌دهند؟ این مطالعه به این جعبه سیاه اشاره می‌کند اما آن را تشریح نمی‌کند، که محدودیتی رایج در مطالعات همبستگی مبتنی بر ادراک است.

4.3 نقاط قوت و ضعف

نقاط قوت: کاربرد همبستگی رتبه‌ای اسپیرمن برای داده‌های ترتیبی حاصل از پرسشنامه‌های مقیاس لیکرت مناسب است. جداسازی "گزینش‌پذیری" و "ایمنی" به عنوان ابعاد کلیدی ادراکی، از نظر تحلیلی دقیق است. تمرکز بر یک منطقه خاص (بندر سکتی) جزئیات ارزشمندی ارائه می‌دهد که اغلب در گزارش‌های سطح ملی مفقود است.

نقاط ضعف حیاتی: مسئله اصلی شکاف بین ادراک و رفتار واقعی است. نمرات بالای ادراک، پذیرش ادوات را تضمین نمی‌کند. این مطالعه فاقد معیاری برای سنجش پیامد رفتاری است، نکته‌ای که در نظریه رفتار برنامه‌ریزی‌شده فیشبین و آجزن بر آن تأکید شده است. علاوه بر این، همبستگی "ضعیف" درآمد ممکن است گمراه‌کننده باشد؛ ممکن است یک اثر آستانه‌ای وجود داشته باشد که در آن پذیرش تنها در بالای یک سطح درآمد خاص امکان‌پذیر می‌شود، که همبستگی خطی ممکن است آن را از دست بدهد.

4.4 بینش‌های عملیاتی

برای سیاست‌گذاران و سازمان‌های غیردولتی، این مطالعه یک نقشه راه روشن ارائه می‌دهد:

1. بازتعریف برنامه‌های ترویجی: از پیام‌های کلی "پایداری خوب است" به سمت نمایش‌هایی حرکت کنید که بر ایمنی ادوات و گزینش‌پذیری صید متمرکزند. از یادگیری همتا به همتا توسط ماهیگیران مورد احترام استفاده کنید.
2. طراحی یارانه‌های هدفمند: از آنجایی که درآمد و تعداد افراد تحت تکفل اهمیت دارند، برنامه‌های یارانه مشروط یا خرداعتباری ایجاد کنید که مانع هزینه اولیه برای خانواده‌های بزرگ‌تر و آسیب‌پذیرتر را کاهش دهد.
3. اجرای آزمایشی محرک‌های رفتاری: به جای صرفاً سنجش ادراک، برنامه‌های آزمایشی اجرا کنید که دسترسی به ادوات را با تعهدات ساده یا شناسایی اجتماعی (مثلاً "ماهیگیر پایدار ماه") ترکیب می‌کند تا شکاف قصد-عمل را پر کند.
4. تکرار با داده: این مطالعه را به عنوان خط پایه در نظر بگیرید. مطالعه بعدی باید نرخ پذیرش واقعی پس از مداخله را اندازه‌گیری کند تا یک حلقه بازخورد برای بهبود برنامه ایجاد شود.

5.1 روش‌شناسی آماری

هسته تحلیل کمی بر ضریب همبستگی رتبه‌ای اسپیرمن متکی است که به صورت زیر محاسبه می‌شود: $$\rho = 1 - \frac{6 \sum d_i^2}{n(n^2 - 1)}$$ که در آن $d_i$ تفاوت بین رتبه‌های متغیرهای متناظر برای مشاهده $i$-ام است، و $n$ حجم نمونه است. این روش برای داده‌های ترتیبی (مانند نمرات ادراک) ایده‌آل است و ناپارامتریک است و توزیع نرمال را فرض نمی‌کند. فرمول بازه طبقه‌ای برای سطوح ادراک احتمالاً از ساختار ساده‌ای پیروی کرده است: $\text{Range} = \frac{\text{Max Score} - \text{Min Score}}{\text{Number of Categories}}$، که دسته‌ها (مثلاً پایین، متوسط، بالا) بر اساس آن تعریف شده‌اند.

5.2 نمونه‌ای از چارچوب تحلیلی

در حالی که فایل PDF شامل برنامه‌نویسی نیست، منطق تحلیلی را می‌توان به عنوان یک مدل درخت تصمیم برای پیش‌بینی محرک‌های ادراک چارچوب‌بندی کرد:

# چارچوب مفهومی برای طراحی مداخله (کد شبه)
# ورودی: پروفایل اقتصادی-اجتماعی ماهیگیر
profile = {
    'income_tier': 'medium',  # مثلاً: پایین، متوسط، بالا
    'dependents': 4,
    'socialization_exposure': True
}

# منطق تصمیم‌گیری بر اساس یافته‌های مطالعه
def recommend_intervention(profile):
    intervention = []
    
    # اولویت ۱: استفاده از همبستگی برنامه‌های ترویجی
    if profile['socialization_exposure'] == False:
        intervention.append('ENROLL_IN_PEER_DEMO_PROGRAM')
    
    # اولویت ۲: پرداختن به موانع اقتصادی برای گزینش‌پذیری
    if profile['income_tier'] == 'low' and profile['dependents'] >= 3:
        intervention.append('SUBSIDIZED_GEAR_ACCESS')
        intervention.append('FOCUS_ON_SELECTIVITY_BENEFITS')
    
    # اولویت ۳: پیام‌رسانی جهانی ایمنی
    intervention.append('HIGHLIGHT_GEAR_SAFETY_FEATURES')
    
    return intervention

# نمونه خروجی
# برای پروفایل بالا، خروجی ممکن است این باشد:
# ['HIGHLIGHT_GEAR_SAFETY_FEATURES']
# (چون آن‌ها در معرض برنامه‌های ترویجی قرار گرفته‌اند و درآمد متوسطی دارند)

این چارچوب، همبستگی‌های آماری را به منطق برنامه عملیاتی تبدیل می‌کند و از تحلیل به سمت اجرا حرکت می‌کند.