研究

澳大利亚海洋生物安全的多层次利益相关者网络:自上而下的信息提供结构良好，需要更好的双向沟通

• 摘要
• 简介
• 方法
  • 多级网络
  • 框架
  • 统计网络建模
• 数据
  • 半结构式访谈
  • 限制
• 结果
• 讨论
  • 广泛的影响
• 对本文的回应
• 致谢
• 文献引用

介绍

环境治理文献详细审查了利益相关者合作在解决复杂问题中的作用(Lubell 2015)。合作既棘手又昂贵。但是，如果问题涉及多个利益，利益相关者的多样性要么是不可避免的，要么是可取的，那么参与协作模型可能比支持集中控制(治理高于政府)的替代方案更成功。案例研究和理论为理解协同治理做出了巨大贡献(例如，Ostrom 2010)。涉众交互的结构在这样的上下文中所暗示的是一种比较新的学术努力。在这项研究中，我们使用社会网络方法来研究组织如何参与环境政策论坛，以及如何在这些正式结构之外进行互动。我们的案例数据涵盖了对澳大利亚海洋生物安全感兴趣的利益相关者。

在澳大利亚，生物安全政策正在发生变化，行业组织、种植者和其他社区参与者现在预计将在病虫害治理中发挥更大的作用(Kruger 2016, Mankad 2016, Maclean等人2018)。这并不意味着政府没有深入参与(Curnock等人2017年，Maclean等人2019年)。然而，人们认识到，政府角色既没有足够的资源来担任所有必需的角色和责任，也不一定最有能力担任所有角色。在治理方面，生物安全现在转向多用途网络，寻求融合各种任务，如监测、政策制定、入侵响应、意识建设和研发。政府在塑造网络方面发挥了一定作用，但也有一定程度的涌现。政府要了解其在塑造网络中的作用，就需要更深入地了解是什么先决条件使其能够良好地运行。

害虫不断威胁海洋生物多样性和生态完整性(Floerl 2014)，并可能导致巨大的经济和生态损害(Cook et al. 2016)。例如，据估计，黑条纹贻贝(海洋动物sallei)可能会在30年内对澳大利亚港口和关键沿海基础设施造成现值1亿至2亿美元的损失(Summerson等人，2013年)。环境黑条纹贻贝的密集聚集也超过了本地物种，占据了栖息地，并降低了水质(Summerson et al. 2013)。

海洋有害生物安全的立法和规则制定权属于政府机构，负责不同层次的各种问题。例如，澳大利亚政府的实地职责包括对国际船只进行检查和航道管理，而州和地区政府一般负责管理其管辖范围内的入侵行为。

海洋有害生物部门委员会是主要的国家论坛，由澳大利亚政府、各州和北部地区的成员组成。委员会包括具有技术/科学专门知识的观察员和新西兰作为常设观察员。政府委员会成员通过与海洋病虫害部门委员会一年两次的面对面会议同时举行的合作伙伴讲习班与非政府利益攸关方接触。委员会本身对司法对话和参与具有相当大的影响力，但没有强制执行权。其他海洋病虫害政策论坛也根据需要成立。在编写本报告时，海洋病虫害部门委员会已设立任务或工作组，分别制定海洋病虫害生物安全和监测战略，并为码头和船台制定生物安全准则。

海洋病虫害网络是围绕海洋病虫害部门委员会形成的一套组织互动。该网络带来了许多非正式的关系，并远远超出了政策论坛的组织参与，涵盖了公众、科学家、工业界和政府成员，他们都对澳大利亚海洋害虫生物安全有不同的兴趣。如果病虫害爆发，机构反应会在紧急情况下创建持续的短暂网络，但澳大利亚的海洋病虫害生物安全网络涉及促进持续通信和监测的持久关系。

最近的两份战略文件建议澳大利亚政府更积极地管理国家海洋有害生物网络，以加强利益攸关方之间的协作和协调，以改善澳大利亚的海洋有害生物安全成果(澳大利亚政府，2015年，2018年)。2015年的审查建议如下:

• 协调国家宣传，包括加强教育和认识;
• 促进从更多来源(如社区团体和行业)进行被动监测，包括协调报告和共享有关检测的数据;
• 促进监测和主动监测方案的分析;
• 促进国家研发计划。

澳大利亚政府在海洋有害生物部门委员会的代表委托进行了这项研究，以便为采取行动改善利益相关者之间的沟通和协调提供信息。这项研究首次评估了正式和非正式的海洋害虫利益相关者网络目前正在发挥作用，以及它们能够发挥什么功能。

我们适应并为越来越多的文献做出贡献，这些文献试图通过映射子结构(配置)来理解网络，其相对丰度允许对社会和政治过程进行统计推断(例如，Bodin和Tengö 2012, Berardo 2014)一个，卢贝尔等人，2014年，格雷罗等人，2015年，尼塔等人，2016年，巴恩斯等人，2017年，汉密尔顿等人，2018年，梅茨等人，2020年)，包括一些特定于海洋设置(亚历山大等人，2018年，巴恩斯等人，2019年)。我们特别挖掘了将绑定资本与潜在非合作行为最大的交互作用联系起来的理论视角(Berardo 2014)一个)．桥梁资本促进学习和创新，快速传播信息(或指令)，并将行动者与网络中较远部分的其他人连接起来，那里的信息更有可能是新颖的(Granovetter 1973)。联结资本在网络中表现为紧密结合的配置，具有密集而重叠的纽带。绑定资本有助于通过信任、问题定义、发展和/或争夺共同期望来建立合作潜力(Berardo 2014年b， Berardo and Lubell 2019)。

尽管作为一个整体，生物安全包括多个尺度上涉及多种利益的政治过程(Reed和Curzon 2015)，但我们研究的海洋害虫网络的重点是沟通、监测和参与。海洋害虫网络并不直接处理入侵的管理和费用分担协议的谈判。因此，该网络应发挥桥梁资本的优势，促进不同利益相关者在低社会风险的环境中公开共享信息。

我们量化了澳大利亚海洋害虫网络中的正式和非正式利益相关者网络，然后统计分析了测试配置预适应结合和桥接的配置模式。网络本身的基础是各组织确定它们从哪些组织收到/向哪些组织提供关于海洋生物安全关键问题的信息，例如监测，并将这些信息与关于哪些组织参加了已知的海洋生物安全政策论坛的数据结合起来。

推动这项研究的实际问题如下:

1. 网络在多大程度上易于实现有效的信息传播?
2. 围绕着改善海洋害虫生物安全的一系列政府工作组和委员会，非正式的组织利益相关者互动是如何构建的?
3. 网络在使社区参与双向信息流动方面的倾向有多大?

方法

多级网络

我们使用社交网络来模拟利益相关者之间的互动。社交网络由一组节点(通常代表网络中的参与者)和一组纽带(或链接)组成，它们代表参与者之间的某种利益关系。多级网络(Wang et al. 2013)是一种具有两种不同类型节点的网络。在我们的设置中，我们将12个政策论坛定义为一种类型的节点，将304个组织定义为另一种类型的节点。多级网络有三个层次，每个层次表示不同类型的联系:微观、中观和宏观。一种类型的节点占据微观级别，而另一种类型的节点占据宏观级别。分别存在于微观层面和宏观层面的纽带表示同一层面节点之间的联系。存在于中间层次的纽带表示跨层次的联系(图1)。我们让组织节点形成微观层次，而政策论坛形成宏观层次。

如果一个组织被确定为该论坛的参与者，那么我们网络的中间层包含了该组织和政策论坛之间的联系(Fischer和Leifeld 2015)。我们认为这些关系是无导向的，因为根据定义，政策论坛必须允许双向信息流动。微观层面是由各组织之间的直接互动确定的，这些互动不是海洋有害生物政策论坛的一部分。由于在此设置中允许单向信息流，因此我们认为链接是有向的，如果任何一方报告信息从a流向B，则有从节点a到节点B的有向链接。由于在政策论坛之间没有直接的互动的合理概念，除非通过一个组织的共同参与，我们不允许宏观层面的联系。得到的网络如图2(a)所示。图2(b-e)根据每种性质的关系显示了子网络。

框架

当个人选择是否、如何以及何时参与网络时，网络配置的分布就会出现在网络中(Hamilton et al. 2019)。社会网络分析不考虑赋予某些行为者的正式权力级别，通过这种权力级别，他们可能对决策产生影响，而不管他们在网络中的位置如何(Carlsson和Sandström 2007)。即使存在有利的结构，也不能保证成功。然而，糟糕或缺乏有利的配置使网络无法有效地响应变化和新信息(Barnes et al. 2017)。我们使用了一个映射网络配置的框架，该框架显示了同质性、互惠性和封闭结构，作为结合资本的指示，作为评估结合资本和桥接资本之间平衡的手段(图3)。

统计网络建模

在MPNET包中实现的指数随机图模型(Wang et al. 2014)被用于分析数据。这建立在统计建模的进步之上，将观察到的网络视为一个单一的观察结果，可以与所有可能的网络的分布进行比较，这些网络具有共享的核心特征集，例如节点和连接的数量(Frank和Strauss 1986, Wasserman和Pattison 1996, Robins和Morris 2007, Wang等人2013)。这种方法非常适合于统计测试，如果以配置形式选择的特征被观察到或多或少多于偶然。通过将选定的配置映射到重要的网络过程(见图3)，指数随机图模型因此可以用来测试是否存在能够维持重要的社会和政治过程的结构(Berardo 2014一个卢贝尔等。2015)。指数随机图模型还允许在不需要多个网络进行比较的情况下进行统计推断。

指数随机图模型的部分解释力来自于它对嵌套配置的处理。网络中的大多数配置都嵌套在其他配置中。具有四个连接节点的配置还包含具有三个连接节点的配置。指数随机图模型评估网络中配置的相对频率，给定其他配置的观察频率，包括那些嵌套的配置。请注意，在对数据中这些配置的表示进行准确评估时，我们控制了每个涉众规模所显示的活动的一般水平。这一基线活动也可以解释为衡量利益相关者在海洋有害生物网络中的活跃程度。

指数随机图模型的局限性之一是用于寻找解的马尔可夫链最大似然估计方法经常不能收敛到合理模型;一种叫做简并的现象。当模型中包含许多配置时，这种情况尤其常见。为了克服这一点，我们使用“拟合优度”(类似于自举法，Efron 1979)来测试不在模型中的配置的过度和不足表示(例如，参见Lubell等人，2014)。拟合一个较小的模型并用于生成模拟图，在原假设其系数为零的情况下，可以计算不在模型中的配置的标准误差。然后，这些可以用来测试这些配置是否在观察到的网络中过多或不足。

数据

我们首先通过观察政策论坛的组织参与来收集多层次的社会网络。我们将这些正式互动定义为发生在政策论坛上的互动;反复召开会议，将与海洋害虫有关的议程项目作为常设项目或作为长期议程的一部分。我们要求政策论坛就海洋有害生物主题进行专门的双向讨论或辩论，并排除以单向交流为主的场合，如会议。因此，政策论坛包括:技术参考小组、工作和指导委员会以及咨询小组。非正式互动被定义为任何与海洋害虫有关的互动，而不是在正式的环境中。

我们通过对10位利益相关者的一系列电话采访确定了一系列政策论坛。这些利益攸关方中有8人是海洋有害生物部门委员会的成员。这些议员代表了除澳大利亚首都领地外的每个州和领地。其余两名受访者分别是一家研发机构和一家非盈利环保非政府组织的代表。我们总共确定了12个政策论坛，如表1所示。

为了获得参与海洋有害生物网络的个人样本，我们咨询了海洋有害生物部门委员会的成员。研讨会参与者向我们提供了已知相关利益相关者的详细联系方式，以及政策论坛会议的记录。联系方式补充了通过互联网搜索确定的组织利益相关者。由此产生的数据库包含了对可能与海洋害虫有关系的人的681个观察结果。

我们设计了一个调查工具来衡量利益相关者之间的互动，并捕捉这些互动的本质。受访者被要求提名与他们在海洋害虫生物安全方面有联系的利益相关者。在调查工具中，我们将联系人定义为“一种持续的工作关系，包括你的同事;以及任何其他你认为与海洋害虫生物安全有意义的个人互动的人。”受访者还被要求描述其附属组织的性质以及他们所参与的海洋害虫生物安全方面。该调查于2017年12月6日至2018年1月21日在SurveyGizmo上进行，通过电子邮件向利益相关者数据库中的681人发送了完成调查的邀请。有效率为35%，共计237次观察。

理想情况下，分析单元将处于单个涉众的级别。然而，许多受访者能够确定与他们互动的特定组织 关于海洋害虫，但没有召回或选择不识别个体。因此，有必要汇总答复，以便分析单位成为答复者的附属组织，而不是作为个人的答复者。对于许多较大的组织来说，这意味着多个个人可以代表他们的组织进行响应。我们的分析是非加权的，因此组织之间的联系被简单地定义为存在或不存在，即使这种联系碰巧是基于跨组织的多个个人之间的交互。还要注意的是，关于农业和水资源部的数据非常丰富，它在该网络中发挥着重要和多样化的作用，可以分解到分支一级，而不是整个部门。

调查受访者代表了118个不同的组织，并与另外186个未被调查的组织提名了互动，总共产生了304个组织。每个组织根据其业务范围被划分为13个类别之一(表2)。

受访者不仅被要求确定与他们互动的人，而且还被要求确定这些互动的性质。在本文中，我们特别感兴趣的是与研发、主动监测、被动监测以及教育和提高认识有关的相互作用。表3显示了与这些活动有关的调查摘要。

当个人回答说他们与船东、公众或渔民有互动时，回答通常表示与此类群体有一般互动，而没有指明具体的个人或组织。捕获社区互动是至关重要的，但这些反应过于笼统，不适合将特定的船只/公众/渔民组织作为网络分析中的个体参与者。为了克服这个问题，我们确定了每个组织是否与通用社区进行交互，并将其视为附加到每个组织的二进制(是/否)属性，而不是网络参与者之间的网络联系。表2显示了按组织类别列出的报告社区互动的组织数量。

半结构式访谈

在网络数据收集过程的指导下，对8名关键线人进行了半结构化访谈，以更细致地了解网络功能和结构(Alexander et al. 2017)。受访者是根据他们在网络中的位置选择的，目的是实现跨州/地区和网络角色的分布。受访者分别代表澳大利亚政府(n = 1)、州/地区政府(n = 2)、社区团体(n = 2)、培训机构(n = 1)、海鲜行业机构(n = 1)、咨询公司(n = 2)和港口公司(n = 1)。请注意，一些受访者代表了不止一个角色，一些面试涉及两个受访者。采访的重点是找出网络的用途、使用者和方式。

限制

一个关键的假设是，一个组织可以包括在网络数据中，即使没有来自该组织的受访者;非受访者可以在网络中代表，他们由一个有调查受访者的组织识别。假设这足以使他们的网络位置在数据中得到充分的表示，并注意到数据是一个未观察到的总体的样本。由于分析一般集中于组织间的全球网络，因此所考虑的关系只涉及不同组织之间的联系。例如，如果有人在他们的部门内提名了一位同事，那么这种联系就会被排除在外。网络经常被当作静态实体来讨论。然而，网络在参与者、资源和权力分配方面是不断发展的实体(Carlsson和Sandström 2007)。因此，我们只能提供一个网络的粗略快照，而这个网络实际上是动态的。对于互动是长期合作的一部分还是短期约定的一部分，是非正式联系的结果还是正式协议的结果，我们提供的见解有限。我们也承认我们的数据集代表一个样本而不是总体，尽管所使用的统计方法对样本数据是稳健的。

结果

我们运行了五个指数随机图模型，参与者-参与者关系(微观网络，图1)根据共享的知识而变化:(1)任何，(2)被动监视，(3)被动或主动监视，(4)研究和开发，(5)教育和意识。在所有模型运行中都使用相同的固定参与者-论坛网络(中观，图1)。当所选配置(图3)不收敛时，我们使用拟合优度进行显著性检验(附录1，表A1.2)。因此，图4结合了网络统计建模和仿真。

网络键合倾向由同质性、互易性和封闭结构表示。结果显示，某种类型的行动者(表2)明显更有可能向同一类型的行动者提供信息，或从他们那里接收信息(图4，[1])。该模型还显示，从统计上看，相互分享信息的可能性比偶然性更大。同质性和互惠性都有强化现有行为和知识的倾向。相比之下，其他模型配置显示出桥接倾向[9-13]。有统计证据表明，在接收和提供信息方面存在大量的关键枢纽[10-11]，而相应的缺乏封闭结构[3-5]。也有证据表明，更多的演员没有外向的关系，而不是单纯的偶然性[7-8]。对于政策论坛的参与者，没有证据表明他们更有可能在论坛之外彼此分享信息(图4，[5])。

被编码为与社区有联系的参与者表现出强烈的提供信息而不是接收信息的倾向(图4，[14-15])，并且具有比单独偶然预期的更多的桥接结构[16]。大多数社区联系是通过州/地区政府进行的(31个组织，14个与社区有联系，表2)，几乎所有提及的此类社区互动都涉及向社区提供信息的行为者(共28个，表2)，而不是从社区接收信息(共4个)。

所有网络都是(a)全系网络的子集，其中(b)被动监测占全系网络的24.3%，(c)被动+主动监测占49.9%，(d)研究和开发占34.4%，(e)教育和意识占37.0%。所有五个模型都给出了可比较的结果，可能除了研究和开发，它显示了通过选定的封闭结构结合(图4,3e-4e])。

请注意，187个组织被映射到网络中，不是因为他们对调查做出了回应，而是因为他们被一个或多个调查对象识别出来。我们的方法没有测量187个组织中的任何潜在联系的范围。我们假设我们在调查对象范围内捕获了关键参与者。然而，我们也使用贝叶斯指数随机图模型(Caimo and Friel 2011)测试了将潜在联系视为“缺失”是否会影响结果。贝叶斯模型可以解释缺失的关系，如果未采样的关系集是已知的，并且假设关系是“随机缺失的”(Koskinen et al. 2013);也就是说，领带的“缺失”不依赖于节点级协变量。这一假设允许在每次算法模拟一个网络时，将缺失的联系计算在内。我们运行了一个贝叶斯模型，明确指出非受访者之间的联系是缺失的。结果并没有显著的不同，这表明我们的假设，即调查提供了一个良好的网络样本。

讨论

一旦发生海洋害虫入侵，就会启动紧急机构反应(澳大利亚政府，2018年)。对这种紧急情况的准备依赖于协调通信的基础，以提高认识、分享研究进展和支持监测。尽管生物安全突发事件需要平衡跨多尺度快速反应和政治决策场所的制度结构(McAllister等人，2015,2017)，但澳大利亚海洋害虫网络主要需要跨不同地理位置和利益相关者传播和捕获信息的倾向。然而，应急反应需要管理有风险和有争议的社会互动，因此需要资本区域与其密集和重叠的互动(Berardo 2014a、b)，澳大利亚海洋害虫网络需要结构桥梁来预先处理信息流(Angst et al. 2018)。

我们研究了澳大利亚海洋害虫网络的基本作用。

网络在多大程度上易于实现有效的信息传播?

我们定量测试了16种网络配置，每一种都表示连接或桥接资本。总的来说，尽管有证据表明通过同质性和互惠性建立联系，但网络结构良好，能够协调和快速传播信息。特别是，澳大利亚海洋害虫网络显示出一种结构倾向，即与提供和接收信息的关键枢纽连接配置(图4)。发送信息但未接收信息的参与者明显多于预期。这表明，发送信息的网络集线器比接收信息的集线器具有更明确的角色。研究和开发方面的信息流是一个例外，它显示出通过紧密联系的组织集群形成更强的联系要素。

半结构化访谈显示，政府机构在该网络的核心中占据关键位置，但它们的影响力在很大程度上依赖于该网络与地面组织类型(如咨询公司、港口当局、资源和能源公司)的连接。访谈还暗示了网络上的一些集体学习，利益相关者不仅接收信息，而且在共享之前进行综合。例如，一位具有专家经验的咨询代表在接受采访时谈到了从不同来源获得的信息，以及他后来与他人分享的对自己知识和见解的不断重塑。一套广泛的组织在整个网络中支持有效的信息传播，许多私营公司处于扮演中介角色的有利地位。这些参与者也可能对其客户面临的障碍和机会有深刻的见解，包括与其他网络参与者相关的创新实践和想法。从定量和定性数据中得出的综合图景是这样一个网络:在这个网络中，政府在塑造网络方面发挥着关键作用，但一些中介和知识整合是分散在非政府行动者之间的。

非正式的组织利益相关者如何围绕政策论坛进行互动?

我们的网络包含了13个政策论坛的157个组织参与案例(表1)。然而，我们没有发现任何证据表明一个论坛的任何两个参与者更有可能在论坛环境之外分享信息。建立信任、定义问题和风险管理，否则可能与围绕这些论坛的债券资本有关(Berardo 2014b)很可能在政策论坛中提供(Fischer和Leifeld 2015)。无论如何，与论坛参与相关的开放配置表明了与非参与者建立桥梁关系的倾向，增加了网络在网络范围内广泛共享信息的能力。

访谈也证实了这一点，表明州/地区政府是论坛的主要参与者，并与网络中的其他组织类型联系密切;他们能够很好地在不同群体之间转换信息，例如将研究结果传递给不同的实地用户。海洋害虫部门委员会-合作伙伴讲习班在规模桥梁方面的作用特别表明，正在与广泛的非政府行为体进行接触。它显示了关键场所的重要作用，如海洋病虫害部门委员会-合作伙伴讲习班(表1)，为非政府合作伙伴提供了一个接收和提供信息的论坛。从采访中还可以明显看出，海洋害虫部门委员会和澳大利亚农业和水资源部的工作人员非常重视这次论坛。然而，一些非政府受访者认为合作伙伴研讨会主要是由农业和水资源部的工作人员向与会者提供最新情况，对此看法不一。

网络有多倾向于让社区参与双向信息?

与更广泛的社区有联系的行为者所扮演的桥梁作用比单靠偶然的机会所能预期的更突出(图4)。然而，一个潜在的问题是，向社区提供信息的纽带与从社区接收信息的纽带之间的不平衡(表2)。

与海洋有害生物部门委员会成员的讨论显示，一些州/地区政府制定了针对海洋有害生物的社区参与战略。这也许可以解释为什么州/地区拥有最多的社区联系(31个组织，12个与社区有外联系，3个与社区有内联系;表3)。然而，其他邦落后了，仍在寻找加强与实地参与者接触的方法，而教育和提高认识是临时的，仅在入侵期间进行。

双向信息流是建立信任关系的基础(Kruger et al. 2010)。尽管统计结果显示了显著的相互作用，但数据中仍有微妙之处。调查询问受访者他们从谁那里收到/提供信息。在网络中，两个参与者之间的任何关联都是由接收者声明他们寻求信息，或者同样是由发送者声明他们提供信息来定义的。共有454个组织报告提供信息，而只有301个组织报告接收信息。调查的受访者最有可能来自最活跃/中心的组织，部分原因是那些具有明确角色的组织是目标，部分原因是中心参与者最完全认同内容问题(澳大利亚农业和水资源部与游艇所有者相比，等等)。然而，发送信息的比例高于接收信息的比例，可能表明一种自我感觉是提供而不是倾听，或者是传播而不是学习。

政府组织向现场行动者提供信息的过度代表权不太可能维持任何集体成果。这并不是说国家/领土在社区参与方面的作用必须是积极的。在澳大利亚生物安全领域缺乏实地推广角色的情况下，可以激励现有的积极当地行动者加强与社区的联系，并侧重于获取社区信息。例如，从逻辑上讲，地方政府可以在填补这一空白方面发挥作用。只有三个地方政府参与者活跃在网络数据中(三个组织，一个与社区外联;表3).地方政府不是抽样策略的核心，这对研究是一个限制，但他们通过与州/地区政府的联系，与当地团体合作，保护当地海洋环境，处于有利地位。

广泛的影响

在澳大利亚广阔的海岸线上管理海洋害虫生物安全需要与不同行为体广泛分布的地面网络进行合作(澳大利亚政府，2015年)。在紧急情况应对期间，海洋病虫害管理有法定责任，但作为任何应对的基础，构建持续协调通信以及被动和主动监测的海洋病虫害网络至关重要。我们的研究表明，现有的澳大利亚海洋害虫网络在信息传播方面结构良好，有证据表明非政府行动者已经在整合和代理信息方面发挥了一些作用。任何改进都可以侧重于激励当地行为者促进与社区建立更牢固的双向关系，这是目前所缺乏的。

这项研究不仅揭示了一个重要的案例研究。它还为政策结构之间的相互作用及其周围发生的相关相互作用的实证研究增加了方法上的进步。尽管这项研究侧重于实践，但其理论根源在于网络是如何围绕社会和政治风险问题构建的。在海洋害虫网络的相互作用中，风险较低，因为大多数涉及共享信息，而不是做出可能直接影响资源分配的决策。对生物安全应急响应的研究表明，相关网络具有绑定资本区域(McAllister等人，2015,2017)，其中决策是围绕资源分配做出的。我们发现海洋害虫网络具有表明桥梁资本的结构，这为理论提供了证据，表明利益相关者网络是为了应对他们面临的特定社会风险而出现的(Berardo和Scholz 2010)。

文献引用

亚历山大，S. M.阿米蒂奇，P. J.卡林顿，Ö。博丹》2017。研究横向和纵向的社会关系，以在新兴的海洋保护区网络中实现社会-生态适应。水生保护:海洋和淡水生态系统27(6): 1209 - 1223。https://doi.org/10.1002/aqc.2775

亚历山大，s.m.， Ö。博丹，M. L.巴恩斯，2018。解开小规模渔业社区凝聚力的驱动因素。国际公地杂志12(1): 519 - 547。https://doi.org/10.18352/ijc.843

《焦虑》，M. A. Widmer, M. Fischer, K. Ingold, 2018。自然资源治理中的连接器和协调员:来自瑞士供水的见解。生态与社会23(2): 1。https://doi.org/10.5751/ES-10030-230201

澳大利亚政府。2015。国家海洋害虫生物安全综述。澳大利亚堪培拉农业和水资源部。

澳大利亚政府，2018。海洋害虫计划2018-2023:国家海洋害虫生物安全战略计划．澳大利亚堪培拉农业和水资源部。

巴恩斯，Ö。博丁，A.格雷罗，R.麦卡利斯特，S.亚历山大，G.罗宾斯，2017。社会生态系统适应和转变的社会结构基础理论。生态与社会22(4): 16。https://doi.org/10.2139/ssrn.2932575

巴恩斯，m.l.， Ö。博丁，T. R.麦克拉纳汉，J. N.基廷格，A. S.霍伊，O. G.高埃，和N. A. J.格雷厄姆，2019。珊瑚礁的社会生态协调和生态条件。自然通讯10:2039。https://doi.org/10.1038/s41467-019-09994-1

贝拉尔多，R. 2014一个。双模式协作网络中的桥接和联结资本。政策研究杂志42(2): 197 - 225。https://doi.org/10.1111/psj.12056

贝拉尔多，R. 2014b。高风险社会-生态系统中自组织通信网络的演化。国际公地杂志8(1): 236 - 258。https://doi.org/10.18352/ijc.463

贝拉尔多，R.和M.卢贝尔，2019年。作为多中心理论的游戏生态学:最新进展和未来挑战。政策研究杂志(1): 47 6-26。https://doi.org/10.1111/psj.12313

贝拉尔多，R.和J. T.肖尔茨，2010。自组织政策网络:河口的风险、伙伴选择和合作。美国政治学杂志54(3): 632 - 649。https://doi.org/10.1111/j.1540-5907.2010.00451.x

博丹,O。，而且M. Tengö. 2012. Disentangling intangible social-ecological systems.全球环境变化22(2): 430 - 439。https://doi.org/10.1016/j.gloenvcha.2012.01.005

卡莫，A.和N.弗雷尔，2011。指数随机图模型的贝叶斯推断。社交网络33(1): 41-55。https://doi.org/10.1016/j.socnet.2010.09.004

卡尔松，l.g.， a.c. Sandström。2007.公地网络治理。国际公地杂志2(1): 33-54。https://doi.org/10.18352/ijc.20

库克，E.， R.佩恩，A.麦克劳德，S.布朗，2016。海洋生物安全:保护本土海洋物种。生物安全研究的研究与报告5:1-14。https://doi.org/10.2147/rrbs.s63402

柯诺克，M.法博科，K.柯林斯，C. J.罗宾逊，K.麦克林，2017。参与(或不参与)风险:生物安全监测的共同责任和社区花园的作用。地理研究55(4): 379 - 394。https://doi.org/10.1111/1745-5871.12231

埃夫隆，1979年。引导方法:再看一下jacknife。统计年鉴7:1-26。https://doi.org/10.1214/aos/1176344552

费希尔，A. P.和L.贾斯尼，2017。适应环境变化的能力:来自关注增加野火风险的组织网络的证据。生态与社会22(1): 23。https://doi.org/10.5751/ES-08867-220123

费希尔，M.和P.莱菲尔德，2015。政策论坛:它们为什么存在，它们的用途是什么?政策科学48:363 - 382。https://doi.org/10.1007/s11077-015-9224-y

弗洛尔，2014。北极海洋生物安全的管理挑战与机遇。57 - 68页在L. Fernandez, B. A. Kaiser和N. Verstergaard，编辑。北极的海洋入侵物种。北欧部长理事会，哥本哈根，丹麦。

弗兰克，O.和D.施特劳斯，1986。马尔可夫图。美国统计协会杂志81(395): 832 - 842。https://doi.org/10.1080/01621459.1986.10478342

格兰诺维特，1983年。弱纽带的力量:网络理论的重新审视。社会学理论1:201 - 233。https://doi.org/10.2307/202051

格兰诺维特，1973。弱关系的力量。美国社会学杂志78:1360 - 1380。https://doi.org/10.1086/225469

格雷罗，R. R. J.麦卡利斯特，K. A.威尔逊，2015。为大规模的保育工作达成跨规模合作。保护信8(2): 107 - 117。https://doi.org/10.1111/conl.12112

汉密尔顿，M.， A. P.费舍尔，和A. Ager. 2019。理解野火风险治理的社会生态网络方法。全球环境变化54:113 - 123。https://doi.org/10.1016/j.gloenvcha.2018.11.007

汉密尔顿，M.卢贝尔，E.纳马甘达，2018。气候变化适应政策博弈生态的跨层次联系。beplay竞技生态与社会23(2): 36。https://doi.org/10.5751/ES-10179-230236

贾斯尼，L.， M.约翰逊，L. K.坎贝尔，E.斯文森，J.雷德蒙德，2019。共同工作:在费城和纽约市的公民管理协作网络中，地理邻近性、同质性组织特征和邻里环境的作用。生态与社会24(4): 8。https://doi.org/10.5751/ES-11140-240408

科斯基宁，J. H.， G. L.罗宾斯，王平，P. E.帕蒂森，2013。对部分观察到的网络数据，缺失的联系，属性和参与者的贝叶斯分析。社交网络35(4): 514 - 527。https://doi.org/10.1016/j.socnet.2013.07.003

克鲁格，H. 2016。设计当地害虫合作管理机构以支持市场准入:工业驱动的果蝇区域管理案例。国际公地杂志10(1): 176 - 199。https://doi.org/10.18352/ijc.603

克鲁格，H.， N.斯坦克斯，R.克拉克，A.卡尔，2010。生物安全参与指南:社区参与的实用建议。为决策者提供科学。澳大利亚政府农村科学局，巴顿，澳大利亚首都领地。

卢贝尔，M. 2015。复杂制度体系中的协作伙伴关系。环境可持续性的当前观点12:41-47。https://doi.org/10.1016/j.cosust.2014.08.011

卢贝尔，M.， G.罗宾斯，王平，2014。水资源管理游戏生态中的网络结构与制度复杂性。生态与社会19(4): 23。https://doi.org/10.5751/ES-06880-190423

麦克莱恩，K.法博科，A.曼卡德，C. J.罗宾逊，M.柯诺克，K.柯林斯和R. R. J.麦卡利斯特。2018.建立社会抵御生物入侵的能力。澳大利亚香蕉产业中巴拿马热带种族4的案例研究。Geoforum97:95 - 105。https://doi.org/10.1016/j.geoforum.2018.10.018

麦克林，K.法博科，C. J.罗宾逊，2019年。种植者信任谁?在澳大利亚北昆士兰香蕉产业中运用生物安全知识进行风险管理谈判。农村研究杂志67:101 - 110。https://doi.org/10.1016/j.jrurstud.2019.02.026

曼卡德，A. 2016年。心理对生物安全控制和农民决策的影响。复习一下。可持续发展的农学36:40。https://doi.org/10.1007/s13593-016-0375-9

麦卡利斯特，r.r.j, C. J.罗宾逊，A.布朗，K.麦克莱恩，S.佩里和S.刘。2017。平衡合作与协调:在澳大利亚植物病虫害生物安全系统中争夺根除。国际公地杂志11(1): 330 - 354。https://doi.org/10.18352/ijc.701

R. R. J.麦卡利斯特，C. J.罗宾逊，K.麦克莱恩，A. M.格雷罗，K.柯林斯，B. M.泰勒，P. J.德·巴罗。2015。从地方到中央:谁管理跨规模的植物病虫害暴发的网络分析。生态与社会20(1): 67。https://doi.org/10.5751/ES-07469-200167

梅茨，F. M.安格斯特，K.英戈尔德，2020。政策整合:瑞士的法律或行为者是否整合了与洪水风险管理相关的问题?全球环境变化61:101945。https://doi.org/10.1016/j.gloenvcha.2019.101945

尼塔，A.， L. Rozylowicz, S. Manolache, C. M. Ciocãnea, I. V. Miu, V. D. Popescu. 2016。欧洲应用保护项目的合作网络。《公共科学图书馆•综合》11 (10): e0164503。https://doi.org/10.1371/journal.pone.0164503

Nyantakyi-Frimpong, H.， P. Matouš和M. E. Isaac, 2019。加纳小农的社会网络和资源节约型农业:使用指数随机图模型的多酶比较。生态与社会24(1): 5。https://doi.org/10.5751/es-10623-240105

奥斯特罗姆，E. 2010。超越市场和国家:复杂经济体系的多中心治理。美国经济评论100(3): 641 - 672。https://doi.org/10.1257/aer.100.3.641

佩里，E. E.， D. H.克里姆科夫斯基，R. E.曼宁，2019。国家公园管理局城市合作网络的相关经纪人。生态与社会24(4): 3。https://doi.org/10.5751/ES-11124-240403

里德，m.s.， R. Curzon, 2015。生物安全治理的利益相关者图谱:文献综述。综合环境科学杂志12(1): 15-38。https://doi.org/10.1080/1943815X.2014.975723

罗宾斯，G.和M.莫里斯，2007。指数随机图的研究进展(p*)模型。社交网络29(2): 169 - 172。https://doi.org/10.1016/j.socnet.2006.08.004

萨默森，R.， M. Skirtun, K. Mazur, T. Arthur, R. Curtotti, R. Smart, 2013。对生物安全应对方案的成本进行经济评估，以应对入侵海洋动物sallei(黑条纹贻贝)进入澳大利亚．澳大利亚政府(ABARES)，堪培拉，澳大利亚。

王平，G.罗宾斯，P.帕蒂森，J. H.科斯基宁，2014。MNNet:用于模拟和估计多层网络(p*)指数随机图模型的程序．墨尔本大学心理科学学院，墨尔本，澳大利亚。

王P, G.罗宾斯，P.帕蒂森，E.拉泽加，2013。多层网络的指数随机图模型。社交网络35(1): 96 - 115。https://doi.org/10.1016/j.socnet.2013.01.004

瓦色尔曼，S.和P.帕丁森，1996。社会网络的Logit模型与逻辑回归。1.介绍马尔可夫图和p．心理测量学61:401 - 425。https://doi.org/10.1007/bf02294547