印尼班達薩克蒂漁民對可持續漁具嘅認知分析

2.1 研究區域及對象

研究喺班達薩克蒂區進行。目標對象係喺麻六甲海峽從事捕撈漁業嘅本地漁民。樣本從呢個群體中抽取，以確保代表社區嘅社會經濟多樣性。

2.2 數據收集與分析

透過問卷調查收集咗漁民認知同社會經濟變量（收入、撫養人數、參與宣傳計劃情況）嘅數據。分析涉及兩個關鍵統計工具：

• 組距公式：用於分類同量化漁民認知水平（例如：低、中、高）。
• 斯皮爾曼等級相關：一種非參數檢驗，用於分析順序社會經濟變量同認知分數之間關係嘅強度同方向。相關係數（$\rho$）範圍由-1到+1。

3.1 認知水平分析

漁民對可持續漁具嘅整體認知水平被評定為高。使用組距公式，認知分數主要落喺>224-288嘅範圍內，表明社區對環保漁具普遍持積極同接受嘅態度。

3.2 社會經濟相關性分析

斯皮爾曼等級相關揭示咗特定關係：

• 收入與撫養人數：同對漁具選擇性嘅認知呈現低度正相關（$\rho$ 喺0.20-0.399範圍內）。較高收入/較多撫養人數略為關聯到對選擇性漁具嘅更高評價。
• 宣傳活動：同對漁具安全性嘅認知呈現中度正相關（$\rho = 0.571$）。參與過宣傳計劃嘅漁民對設備安全有更好嘅理解。
• 其他變量：大多數其他社會經濟因素同整體認知呈現非常低或唔顯著嘅相關性（$\rho$ 接近0，顯著性 > 0.05）。

4.1 核心洞察

本研究嘅關鍵發現並唔係漁民抗拒可持續性——佢哋並唔抗拒。高認知分數打破咗呢個迷思。真正嘅洞察係，採用與否取決於務實嘅社會經濟計算，而唔係對環境漠不關心。漁民透過風險（安全性）同效率（選擇性）嘅視角嚟看待漁具，呢啲直接關係到生計穩定性。呢點同更廣泛嘅行為經濟學模型一致，例如Thaler & Sunstein嘅《推力》中所討論嘅，決策依賴於情境，並且通常優先考慮即時、有形嘅利益，而非抽象嘅長期收益。

4.2 邏輯流程

研究邏輯合理但線性：測量認知 → 同人口統計學變量相關聯 → 識別驅動因素。佢正確地將宣傳活動識別為最強嘅相關因素，呢個係一個穩健且可行嘅發現。然而，流程並未深入探討因果機制。點解宣傳活動有效？係建立信任、展示經濟效益，定係降低感知風險？研究暗示但並未剖析呢個黑箱，呢係基於認知嘅相關性研究常見嘅局限。

4.3 優點與不足

優點：應用斯皮爾曼等級相關適合處理來自李克特量表調查嘅順序數據。將「選擇性」同「安全性」分離為關鍵認知維度，分析上非常精準。聚焦於特定地點（班達薩克蒂）提供咗國家級報告通常缺乏嘅寶貴細節。

關鍵不足：房間裡嘅大象係認知同實際行為之間嘅差距。高認知分數並唔保證漁具會被採用。研究缺乏行為結果嘅測量，呢點喺Fishbein & Ajzen嘅計劃行為理論中被強調。此外，收入嘅「低」相關性可能具有誤導性；可能存在一個門檻效應，即只有喺特定收入水平以上，採用先變得可行，線性相關可能會錯過呢點。

4.4 可行建議

對於政策制定者同非政府組織，本研究提供咗一個清晰嘅行動指南：

1. 重新構思宣傳方式：從通用嘅「可持續性係好嘅」信息，轉向專注於展示漁具安全性同捕撈選擇性嘅示範。利用受尊重漁民之間嘅同儕學習。
2. 設計針對性補貼：既然收入同撫養人數有影響，就創建有條件嘅補貼或小額信貸計劃，為規模較大、更脆弱嘅家庭降低前期成本障礙。
3. 試行行為推力：唔單止測量認知，仲要開展試點計劃，將漁具獲取同簡單承諾或社會認可（例如「本月可持續漁民」）結合，以彌合意圖與行動之間嘅差距。
4. 用數據迭代：將此視為基準。下一項研究必須測量干預後嘅實際採用率，為計劃改進創建反饋循環。

5.1 統計方法

定量分析嘅核心依賴於斯皮爾曼等級相關係數，計算公式如下： $$\rho = 1 - \frac{6 \sum d_i^2}{n(n^2 - 1)}$$ 其中 $d_i$ 係第 $i$ 個觀察值對應變量嘅等級差，$n$ 係樣本量。呢種方法非常適合順序數據（例如認知分數），並且係非參數嘅，唔假設正態分佈。認知水平嘅組距公式可能遵循一個簡單結構：$\text{組距} = \frac{\text{最高分} - \text{最低分}}{\text{類別數量}}$，並據此定義類別（例如：低、中、高）。

5.2 分析框架示例

雖然PDF唔涉及編程，但分析邏輯可以構建為一個預測認知驅動因素嘅決策樹模型：

# 干預設計概念框架（偽代碼）
# 輸入：漁民社會經濟概況
profile = {
    'income_tier': 'medium',  # 例如：低、中、高
    'dependents': 4,
    'socialization_exposure': True
}

# 基於研究發現嘅決策邏輯
def recommend_intervention(profile):
    intervention = []
    
    # 優先級1：利用宣傳活動相關性
    if profile['socialization_exposure'] == False:
        intervention.append('ENROLL_IN_PEER_DEMO_PROGRAM')
    
    # 優先級2：針對選擇性嘅經濟障礙
    if profile['income_tier'] == 'low' and profile['dependents'] >= 3:
        intervention.append('SUBSIDIZED_GEAR_ACCESS')
        intervention.append('FOCUS_ON_SELECTIVITY_BENEFITS')
    
    # 優先級3：通用安全性信息
    intervention.append('HIGHLIGHT_GEAR_SAFETY_FEATURES')
    
    return intervention

# 示例輸出
# 對於以上概況，輸出可能係：
# ['HIGHLIGHT_GEAR_SAFETY_FEATURES']
# （因為佢哋有宣傳活動接觸且收入中等）

呢個框架將統計相關性轉化為可行嘅計劃邏輯，從分析走向實施。