《Ocean & Coastal Management》：Digital technologies and the study of adaptation in small-scale fisheries
编辑推荐：
数字技术应用在渔业经济实验中的可行性研究，通过开发智能手机平台经济实验验证了与线下实验相似的行为响应模式，发现应对环境冲击需实际经历而非仅信息提示，为低成本大规模渔业适应性研究提供新路径。
Juan Carlos Villase?or-Derbez|Rebeca Fernández|Stuart Fulton|Arturo Hernández-Velasco|Tamara Hernández|C. Brock Woodson|Juan Camilo Cárdenas|Giulio A. DeLeo|Jorge Torre|Fiorenza Micheli
美国佛罗里达州迈阿密大学罗森斯蒂尔海洋、大气与地球科学学院环境科学与政策系，邮编33149
摘要
经济实验在理解人类在耦合的社会-环境系统中的适应行为方面取得了重要进展。然而，这些实验可能成本高昂，这限制了其规模以及结果的外部有效性。数字技术为大规模开展经济实验提供了巨大潜力，但这种方法仍很大程度上未经验证。在这里，我们评估了使用移动计算平台（智能手机、平板电脑和电脑）来实施数字经济实验的可行性，这些实验可以收集参与者对环境冲击的反应。为此，我们开发了一个经过充分研究的自然资源采集游戏的数字版本，该游戏的特点是在重复迭代中采集可再生公共资源。我们共记录了3369次与宣传材料的互动，从而进行了740轮游戏；只有11名参与者参与了基线和处理组的游戏。我们发现，参与者在数字实验中的行为与文献中报道的渔民在面对面游戏中的反应在质量上相似。此外，我们的探索性分析表明，仅提供关于冲击风险的信息不足以促使参与者适应，还需要让他们亲身体验冲击。数字实验为研究适应行为提供了另一种途径，但这种方法也有其自身的局限性。通过解决这些局限性，特别是通过吸引参与者的策略，可以为理解和指导对变化的适应提供广泛的应用机会。
引言
沿海和内陆的小规模渔业和水产养殖生产了全球一半的鱼类捕获量以及超过三分之二供人类消费的水产品，为数亿人提供了生计，并为大约10亿人提供了关键的营养（FAO，2024年）。与其他食品系统一样，野生捕捞渔业的经济生产力和稳定性受到经济市场和国家政策的影响（Garcia和Rosenberg，2010年；Costello等人，2016年）。然而，与其他人类可以控制某些投入、过程和产出的食品系统不同，渔业的生产力主要受到环境、生态和生理过程的限制（Finney等人，2002年；Szuwalski，2016年；Stock等人，2017年）。
以农业为例，农民可以选择种植什么作物、何时种植、使用多少肥料和农药以及何时收获以最大化收益。他们还可以建造水库在干旱季节为植物供水，建造温室来控制光照、温度和湿度，或者为植物提供遮荫以应对温度升高。相比之下，渔民对驱动鱼类生长、自然死亡率、个体繁殖力、早期（幼体）发育、迁移等因素几乎没有控制能力（例如水温、溶解氧（Kramer，1983年；Pauly，2021年）以及食物供应（Jones，1986年；Fiksen和Jorgensen，2011年；Cominassi等人，2020年））。这种无法控制系统生产力某些决定因素的能力（在数量、空间和时间上）使得野生捕捞渔业特别容易受到气候变化的不利影响。对于资本有限且难以获得信贷市场帮助适应的小规模渔民来说尤其如此（Emdad Haque等人，2015年；Prosperi等人，2019年）。因此，了解渔民如何应对环境冲击以及是什么触发了他们的反应，对于确保渔业的可持续性至关重要，尤其是在低收入和中等收入国家（Short等人，2021年）。
设计和实施增强适应能力的政策的主要挑战之一是小型渔业的动态性和多样性，包括规模、目标物种、组成、管理方式等（Short等人，2021年）。经济实验——实验经济学的一种方法——为理解这些复杂的动态和行为提供了有效的框架（Cárdenas和Ostrom，2004年）。经济实验是“游戏”，旨在在受控环境中模拟现实生活中的决策激励，研究人员可以可信地引入外生处理（例如，“如果一个六面骰子掷出1，你就损失50%的库存”），并在保持其他条件不变的情况下，引出并记录参与者的行为反应（例如，“我已经损失了50%的库存，所以我这一轮应该减少（或增加？”）。这些方法在文献中被广泛使用，因为它们可以测试游戏中的不同因素如何影响决策，并在某些条件下可能表明渔民在现实世界中会对类似因素作出何种反应（参见Rivera-Hechem等人，2021年关于游戏框架和外部有效性的分析）。例如，Finkbeiner等人（2018年）在墨西哥下加利福尼亚州的渔业合作社进行了经济实验，发现渔民通过自愿减少捕捞量来适应环境不确定性或非法捕鱼（这两种情况都会导致库存突然下降），并且在那些渔民表示信任管理机构并拥有稳定捕鱼权利的社区中，这种适应反应更为强烈。
这些方法也被用于研究信任（Rivera-Hechem等人，2021年）、竞争（Cárdenas等人，2019年）、与公共资源开采中的灾难性转变相关的生态阈值（Rocha等人，2020年；Schill和Rocha，2023年）以及性别特定的反应（Revollo-Fernández等人，2016年）等许多相关主题，对研究社会-生态系统做出了重要贡献。然而，经济实验面临三个局限性：（1）它们需要大量的前期和持续的资金资源来将参与者和研究人员聚集在一个房间里；（2）它们通常使用的样本量较小，只能代表一小部分渔民；（3）结果可能仅在特定的游戏实验背景下具有信息价值，使得难以利用从当地过程中获得的见解来指导一般政策（Gelcich等人，2013年）。因此，大量的资金和宝贵的时间被投入到可能无法在评估的社区或渔业之外应用的学习过程中。数字技术有望克服其中一些（或大部分）挑战（Pan和Hamilton，2018年），因为它们提供了以成本效益的方式接触更广泛和更多样化渔民群体的潜力，从而产生可用于指导政策的普遍见解。
多种软件平台已经允许研究人员实施现有的实验（Janssen等人，2014年）。然而，大多数实验依赖于参与者在实验室或教室中的参与，并且只提供有限的实验设计。这促使其他人强调，研究人员需要高级编程能力来从头开始开发新的实验（Janssen等人，2014年）。在这里，我们将数字技术与行为经济学和自然资源经济学的常见方法结合起来，以便在不同渔业组织中扩展适应行为的研究。我们设计了一个先前经过测试的关于气候变化行为反应的面对面实地实验的数字版本，并使用移动计算平台（智能手机、平板电脑）来针对墨西哥的渔民。
我们的主要目标是评估使用移动数字平台开展经济实验的可行性。在手机上玩游戏的人不会接触到与面对面游戏相同的社交线索，因此他们的行为可能与现实世界不同。为了使数字游戏实验成为面对面游戏的合适替代品，它们必须至少克服上述三个限制中的一个（即成本、样本量和外部有效性）。我们通过回答以下两个问题来评估可行性：（1）我们能否吸引足够的参与者参与我们的数字实验？（2）我们能否收集到代表不同渔业、环境和人口统计特征的多样化样本？此外，即使这两个问题的答案都是肯定的，我们还必须证明数字经济实验能够引出并捕捉到与面对面经济实验相同的行为和反应。因此，我们还提出了以下问题：（3）数字经济实验捕捉到的反应与相应的面对面游戏观察到的反应有何不同？最后，我们询问（4）从数字实验数据的分析中出现了哪些新的见解，与之前的发现相比有何不同？
正如我们将展示的，获得大量和多样化的参与者样本是困难的，我们也无法验证参与者确实是渔民。然而，在我们有限的样本中记录的行为反应在质量上与面对面实验中观察到的反应相似。最后，我们发现有迹象表明——在我们的游戏背景下——只有在经历了冲击之后，适应才会发生。
材料与方法
我们的方法部分分为两个主要部分。第一部分重点介绍我们的实验设计和数据收集方法。我们首先描述了原始实验及其在数字环境中的改编。然后简要介绍了我们项目的软件开发部分，以及使用社交媒体来传播我们的游戏和跟踪用户参与情况。第二部分则关注与我们的四个主要目标相关的数据分析。
用户互动的总结统计
网络分析数据显示，墨西哥所有州的参与度都很高，共有3369次点击链接，将观众引导到博客文章（图2a）。与社交媒体帖子互动最多的是索诺拉州（657次互动），这是墨西哥渔业生产最重要的州之一。韦拉克鲁斯州、下加利福尼亚州、恰帕斯州和尤卡坦州分别以592次、491次、490次和469次的互动次数位列前五名。
讨论
我们的目标是探索数字经济实验在扩大小型渔业适应行为研究方面的潜在用途。我们询问是否能够招募到足够的参与者，以及他们的反应是否可以与类似的面对面实验报告的结果进行比较。我们发现招募每位参与者的成本约为18美元，尽管我们无法保证所有参与者都是渔民或他们会参与所有游戏。尽管样本量较小，但数字
结论
我们的可行性测试表明，数字实验可以捕捉到与面对面游戏相似的行为，而且仅提供关于不确定性的信息不足以促使渔民改变行为。相反，我们发现，一旦威胁变得现实，适应行为就很可能随之发生。数字经济实验可能为研究小型渔业的适应行为提供一种可行、成本效益高且可扩展的替代方法，尽管其实施可能并不像最初想象的那么简单。
CRediT作者贡献声明
Juan Carlos Villase?or-Derbez：写作——审稿与编辑，撰写初稿，可视化，验证，监督，软件，方法论，调查，正式分析，数据管理，概念化。Rebeca Fernández：资源，数据管理。Stuart Fulton：写作——审稿与编辑，监督，概念化。Arturo Hernández-Velasco：资源。Tamara Hernández：写作——审稿与编辑，资源，方法论，调查，概念化。C. Brock Woodson：写作
写作过程中使用生成式AI和AI辅助技术的声明
在准备这项工作时，作者使用了ChatGPT来改善各合作者风格之间的可读性。使用该工具后，作者根据需要审查和编辑了内容，并对出版物的内容负全责。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。
致谢
我们感谢NSF DISES的资助（编号2108566）。我们感谢“Sociedad Cooperativa de Producción Pesquera Ensenada”的成员和COBI的工作人员在测试ShinyApp早期版本时提供的宝贵反馈。J. Lynham在概念化阶段提供了宝贵的见解，我们对此表示感谢。E. Finkbeiner对之前的草稿版本提供了宝贵的反馈。
