Análise da Perceção dos Pescadores sobre Equipamentos de Pesca Sustentável em Banda Sakti, Lhokseumawe

2.1 Área de Estudo & População

A investigação foi conduzida no subdistrito de Banda Sakti, cidade de Lhokseumawe. A população-alvo consistiu em pescadores locais envolvidos na pesca de captura no Estreito de Malaca. A amostra foi retirada desta população para garantir a representação da diversidade socioeconómica da comunidade.

2.2 Recolha & Análise de Dados

Os dados sobre a perceção dos pescadores e variáveis socioeconómicas (rendimento, número de dependentes, exposição a programas de sensibilização) foram recolhidos através de inquéritos. A análise envolveu duas ferramentas estatísticas principais:

• Fórmula de Intervalo de Classe: Utilizada para categorizar e quantificar o nível de perceção dos pescadores (ex.: baixo, médio, alto).
• Correlação de Postos de Spearman: Um teste não paramétrico utilizado para analisar a força e direção da relação entre variáveis socioeconómicas ordinais e as pontuações de perceção. O coeficiente de correlação ($\rho$) varia de -1 a +1.

3.1 Análise do Nível de Perceção

O nível geral de perceção dos pescadores em relação aos equipamentos de pesca sustentável foi considerado alto. Utilizando a fórmula de intervalo de classe, as pontuações de perceção situaram-se predominantemente na faixa de >224-288, indicando uma atitude geralmente positiva e recetiva em relação às artes ambientalmente amigáveis na comunidade.

3.2 Análise de Correlação Socioeconómica

A Correlação de Postos de Spearman revelou relações específicas:

• Rendimento & Número de Dependentes: Apresentaram uma correlação positiva baixa ($\rho$ na faixa de 0,20-0,399) com a perceção da seletividade da arte. Maior rendimento/mais dependentes correlacionaram-se ligeiramente com uma maior apreciação por artes seletivas.
• Sensibilização: Exibiu uma correlação positiva moderada ($\rho = 0,571$) com a perceção da segurança da arte. Os pescadores que participaram em programas de sensibilização tiveram uma melhor compreensão da segurança do equipamento.
• Outras Variáveis: A maioria dos outros fatores socioeconómicos mostrou correlação muito baixa ou insignificante ($\rho$ próximo de 0, significância > 0,05) com a perceção geral.

4.1 Ideia Central

A descoberta fundamental do estudo não é que os pescadores resistam à sustentabilidade — não resistem. As pontuações altas de perceção desmentem esse mito. A verdadeira ideia é que a adoção é limitada por um cálculo socioeconómico pragmático, não por apatia ambiental. Os pescadores veem as artes através de uma lente de risco (segurança) e eficiência (seletividade), que estão diretamente ligadas à estabilidade do sustento. Isto alinha-se com modelos mais amplos de economia comportamental, como os discutidos em "Nudge" de Thaler & Sunstein, onde a tomada de decisão depende do contexto e frequentemente prioriza benefícios imediatos e tangíveis em detrimento de ganhos abstratos a longo prazo.

4.2 Fluxo Lógico

A lógica da investigação é sólida, mas linear: medir a perceção → correlacionar com dados demográficos → identificar impulsionadores. Identifica corretamente a sensibilização como a correlação mais forte, o que é uma descoberta robusta e acionável. No entanto, o fluxo não explora os mecanismos causais. Porquê é que a sensibilização funciona? Está a construir confiança, a demonstrar benefício económico ou a reduzir o risco percebido? O estudo sugere, mas não dissecou esta caixa negra, uma limitação comum em estudos correlacionais baseados em perceção.

4.3 Pontos Fortes & Limitações

Pontos Fortes: A aplicação da Correlação de Spearman é apropriada para dados ordinais de inquéritos de escala Likert. Isolar "seletividade" e "segurança" como dimensões-chave da perceção é analiticamente perspicaz. Focar-se numa localidade específica (Banda Sakti) fornece uma granularidade valiosa, muitas vezes ausente em relatórios a nível nacional.

Limitações Críticas: O elefante na sala é o fosso entre a perceção e o comportamento real. Pontuações altas de perceção não garantem a adoção da arte. O estudo carece de uma medida de resultado comportamental, um ponto enfatizado na Teoria do Comportamento Planeado de Fishbein & Ajzen. Além disso, a correlação "baixa" do rendimento é potencialmente enganadora; pode existir um efeito de limiar onde a adoção só se torna viável acima de um nível de rendimento específico, o que uma correlação linear pode não detetar.

4.4 Ideias Acionáveis

Para decisores políticos e ONGs, este estudo oferece um plano claro:

1. Reenquadrar a Sensibilização: Passar de mensagens genéricas de "a sustentabilidade é boa" para demonstrações focadas na segurança da arte e na seletividade das capturas. Utilizar aprendizagem entre pares de pescadores respeitados.
2. Projetar Subsídios Direcionados: Uma vez que o rendimento e os dependentes importam, criar programas de subsídios condicionais ou microfinanças que reduzam a barreira do custo inicial para famílias maiores e mais vulneráveis.
3. Testar "Nudges" Comportamentais: Em vez de apenas medir a perceção, realizar programas-piloto que combinem o acesso a artes com compromissos simples ou reconhecimento social (ex.: "Pescador Sustentável do Mês") para colmatar o fosso intenção-ação.
4. Iterar com Dados: Tratar isto como uma linha de base. O próximo estudo deve medir as taxas reais de adoção pós-intervenção, criando um ciclo de feedback para a melhoria do programa.

5.1 Metodologia Estatística

O cerne da análise quantitativa baseia-se no Coeficiente de Correlação de Postos de Spearman, calculado como: $$\rho = 1 - \frac{6 \sum d_i^2}{n(n^2 - 1)}$$ onde $d_i$ é a diferença entre os postos das variáveis correspondentes para a $i$-ésima observação, e $n$ é o tamanho da amostra. Este método é ideal para dados ordinais (como pontuações de perceção) e é não paramétrico, não assumindo uma distribuição normal. A fórmula do intervalo de classe para os níveis de perceção provavelmente seguiu uma estrutura simples: $\text{Intervalo} = \frac{\text{Pontuação Máxima} - \text{Pontuação Mínima}}{\text{Número de Categorias}}$, com as categorias (ex.: Baixo, Médio, Alto) definidas em conformidade.

5.2 Exemplo de Enquadramento Analítico

Embora o PDF não envolva programação, a lógica analítica pode ser enquadrada como um modelo de árvore de decisão para prever os impulsionadores da perceção:

# Enquadramento Conceptual para o Desenho de Intervenção (Pseudo-Código)
# Entrada: Perfil Socioeconómico do Pescador
perfil = {
    'nivel_rendimento': 'medio',  # ex.: baixo, medio, alto
    'dependentes': 4,
    'exposicao_sensibilizacao': True
}

# Lógica de Decisão baseada nas Conclusões do Estudo
def recomendar_intervencao(perfil):
    intervencao = []
    
    # Prioridade 1: Aproveitar a Correlação da Sensibilização
    if perfil['exposicao_sensibilizacao'] == False:
        intervencao.append('INSCREVER_EM_PROGRAMA_DEMO_PARES')
    
    # Prioridade 2: Abordar Barreiras Económicas para a Seletividade
    if perfil['nivel_rendimento'] == 'baixo' and perfil['dependentes'] >= 3:
        intervencao.append('ACESSO_SUBSIDIADO_ARTES')
        intervencao.append('FOCO_BENEFICIOS_SELETIVIDADE')
    
    # Prioridade 3: Mensagens Universais de Segurança
    intervencao.append('DESTACAR_CARATERISTICAS_SEGURANCA_ARTES')
    
    return intervencao

# Exemplo de Saída
# Para o perfil acima, a saída poderá ser:
# ['DESTACAR_CARATERISTICAS_SEGURANCA_ARTES']
# (Uma vez que têm exposição a sensibilização e rendimento médio)

Este enquadramento traduz correlações estatísticas em lógica de programa acionável, passando da análise para a implementação.