講者：Dr. Kamal Azmi
（編按：本研究學群為了與不同領域專家學者交流，定期舉辦討論會。這場討論舉辦於2021年8月31日，本文分享該場討論會的摘要）
Global Fishing Watch，全球漁業觀察，是一個獨立的非營利組織，期望海洋是生機盎然的、是具回復力的，這不僅包含漁業生態，也包含倚靠海洋維生的人們。因此，全球漁業觀察創建地圖，透過視覺化的方式呈現衛星數據，將所有的資料免費、公開給所有人使用。
Global Fishing Watch 運用AIS自動識別系統，能夠觀察到如每小時的漁獲量等訊息；運用AIS的大數據能夠觀察漁船是否有捕撈、漁獲量、捕撈程度等，補足監督制度、漁船管理技術的不足。
全球漁業觀察每天蒐集超過六千萬筆的數據，所有的數據都是免費、公開的，漁業署、海巡人員等可以透過這些數據保護海洋漁業生態。為便利使用者，利於資訊的分享，全球漁業觀察會發展API並優化界面，讓資訊更能快速流通。在地圖上，使用者可以從不同的角度篩選想要尋找的資料，如可以從船旗國、時間區段等進行不同的篩選。
如何透過蒐集的數據判斷漁船是否違規呢？持續改變船舶識別號碼或出現在非許可的海域等特徵較有可能存在違規，但這並不是絕對的，只是基於風險評量的角度，提供給有關當局做為參考，能夠降低港口檢查的成本，即針對可能違規的漁船優先查驗或重點查驗，免於逐艘檢查。
全球漁業觀察與加州大學聖塔芭芭拉分校合作，將此技術與十一項國際勞動組織強迫勞動指標結合，建立風險評估模型，試圖檢視漁船上發生強迫勞動的風險，經過兩年的研究，確定大數據是可以有效驗證並加以運用的，但目前只是一個概念性的驗證。
風險評估模型從船舶特徵及船舶行為分別進行觀察，船舶特徵包含船舶類型、船旗、權宜船、船員數、動力、船長、噸數、列入IUU名單，船舶行為包含每日漁撈時數、總漁撈時數、公海漁撈時數、經濟海域漁撈時數、轉載次數、航程數、訪港次數、航行距離、離港最大距離、AIS訊號中斷。
在目前的數據庫中，僅有二十三艘漁船涉及強迫勞動，將這二十三艘漁船與一般未涉及強迫勞動的漁船進行對比，可以發現在船舶特徵與船舶行為上具有顯著差異。倘若有任何船隻與二十三艘涉及強迫勞動的漁船有相似的船舶行為，就會被標記為潛在高風險，需要特別注意的是，把船標記為潛在高風險不代表有犯罪行為，只是行為上較為相似。
期待未來風險評估工具能夠充分被不同的利害關係人使用，船旗國將目光、資源放在潛在高風險的漁船，降低檢查成本，沿岸國優先檢查會進入經濟海域的船隻，港口國將優先檢查高風險的漁船，海鮮產業則應評估供應鏈中的船隻，作為企業審查的機制，但這卻存在一定難度，因為需要透過層層的追蹤。
然而，有些強迫勞動的事件卻是無法被衛星觀察到的，例如工作環境、勞動契約、薪資、扣留財物、扣留身分證件、未保有漁工集體談判的權利等。資料上的缺口包括以下三點：
- 數量偏少：涉及強迫勞動的漁船僅有二十三艘，數據極少，需要增加數量以改善模型
- 資料偏誤：資料來源多為媒體或NGO，可能會偏重特定船旗國或特定船隻
- 資料驗證：媒體或NGO報導的資料可能未經過司法機關核示，如果通過核示，能夠增加模型的準確度
目前，全球漁業觀察渴望獲得更多的數據，包含船隻識別數據、AIS數據等，來自政府或企業的數據更為重要，因為此種數據大多是被核實過的，能夠提高模型的準確度。