{"id":2426,"date":"2016-05-07T20:16:11","date_gmt":"2016-05-07T20:16:11","guid":{"rendered":"http:\/\/77.104.138.207\/~mahogan9\/internationalcoffeefarms.com\/?p=2426"},"modified":"2024-04-04T10:54:11","modified_gmt":"2024-04-04T14:54:11","slug":"how-to-re-invent-a-wheel-a-tale-of-science-and-industry-the-specialty-coffee-chronicle","status":"publish","type":"post","link":"https:\/\/cuatrocaminoscoffee.com\/fr\/how-to-re-invent-a-wheel-a-tale-of-science-and-industry-the-specialty-coffee-chronicle\/","title":{"rendered":"Comment r\u00e9inventer une roue: une histoire de science et d'industrie | La chronique du caf\u00e9 sp\u00e9cialis\u00e9"},"content":{"rendered":"

introduction<\/strong><\/p>\n

L'histoire scientifique de la nouvelle roue des saveurs de la SCAA Coffee Taster est assez fascinante. Ce conte comprend une distribution de personnages vedettes, notamment World Coffee Research (WCR), Kansas State University (KSU), Texas A&M University (TX A&M), l'Universit\u00e9 de Californie, Davis (UC Davis) et des membres et b\u00e9n\u00e9voles cl\u00e9s de la SCAA. Il met en \u00e9vidence la recherche que la SCAA a identifi\u00e9 un besoin, lanc\u00e9 et interpr\u00e9t\u00e9, ce qui a abouti \u00e0 la r\u00e9vision tr\u00e8s attendue de la roue des saveurs que nous connaissons et aimons tous depuis plus de deux d\u00e9cennies. La SCAA s'engage aupr\u00e8s de ses membres - et pour l'avancement de l'ensemble de l'industrie - \u00e0 s'engager dans une approche de plus en plus ax\u00e9e sur les donn\u00e9es et scientifique, ce qui nous a conduits \u00e0 rechercher une solution qui r\u00e9sisterait \u00e0 l'\u00e9preuve du temps et reposerait sur une solide recherche scientifique . Nous sommes tr\u00e8s satisfaits du r\u00e9sultat et esp\u00e9rons que vous serez tout aussi enthousiasm\u00e9s par cette nouvelle ressource pr\u00e9cieuse.<\/p>\n

Qu'est-ce qu'une roue des saveurs?<\/strong><\/p>\n

Les roues de saveurs sont constitu\u00e9es de mots dispos\u00e9s sous une forme circulaire. Pourquoi n'utilisons-nous pas un arbre des saveurs ou une pyramide des saveurs ou une aventure de choix de saveurs? Cela semble avoir tout \u00e0 voir avec la premi\u00e8re roue des saveurs, d\u00e9velopp\u00e9e \u00e0 la fin des ann\u00e9es 1970 pour la bi\u00e8re par un chimiste, le Dr Morten C. Meilgaard (Meilgaard et al. 1979). Cela a \u00e9t\u00e9 suivi au milieu des ann\u00e9es 1980 pour le vin par Ann C. Noble \u00e0 l'UC Davis (Noble et al. 1987; Noble et al. 1984). \u00c0 partir de l\u00e0, de nombreuses autres industries ont embo\u00eet\u00e9 le pas, y compris la n\u00f4tre. Les mots utilis\u00e9s dans les roues servent \u00e0 cr\u00e9er un vocabulaire autour d'un produit ou d'une cat\u00e9gorie de produits, \u00e0 standardiser la formation et \u00e0 faciliter la discussion g\u00e9n\u00e9rale sur la saveur et la perception. Les roues fournissent une communication claire et commune sur les produits entre les d\u00e9gustateurs, les \u00e9tablissements, les exportateurs et les importateurs, ainsi que les consommateurs, pour n'en nommer que quelques-uns.<\/p>\n

Pour cr\u00e9er une roue des saveurs, vous avez besoin de mots et vous devez les organiser. En fait, il existe de nombreuses fa\u00e7ons de proc\u00e9der. De nombreuses roues existantes n'incluent pas la recherche scientifique dans le cadre de leur d\u00e9veloppement. Certains sont fond\u00e9s sur un consensus de l'industrie ou d'un groupe professionnel, et d'autres sont cr\u00e9\u00e9s par des individus. La roue SCAA originale a \u00e9t\u00e9 cr\u00e9\u00e9e en utilisant quelque chose de ces m\u00e9thodes. Il aurait \u00e9t\u00e9 tr\u00e8s facile pour la SCAA de r\u00e9viser la roue il y a quelques ann\u00e9es avec un comit\u00e9 sp\u00e9cial ad hoc. Apr\u00e8s tout, cela est conforme aux origines de notre roue et c'est ainsi que beaucoup d'autres continuent \u00e0 \u00eatre cr\u00e9\u00e9s. Sur la base de mes recherches sur ce sujet au cours des deux derni\u00e8res ann\u00e9es, il semble que l'industrie du caf\u00e9 \u00e9tait plut\u00f4t unique dans son adoption sans r\u00e9serve et universelle d'une roue, ce qui nous a permis de faire beaucoup de travail significatif pour am\u00e9liorer la qualit\u00e9 du caf\u00e9. C'est peut-\u00eatre parce que la roue SCAA originale, de Ted Lingle, est arriv\u00e9e en 1995 - relativement t\u00f4t dans le domaine des roues pour aliments et boissons de sp\u00e9cialit\u00e9. Un immense cr\u00e9dit est d\u00fb \u00e0 Ted pour cela. Dans mes recherches sur ce sujet, j'ai trouv\u00e9 tr\u00e8s peu d'autres roues enracin\u00e9es dans la recherche scientifique. Quelques roues notables d\u00e9coulent \u00e9galement de lexiques sensoriels (Lawless et al. 2012; Noble et al. 1987; Koch et al. 2012; Suffet et al. 1999; Gawel et al. 2000). Cependant, aucune autre roue n'a utilis\u00e9 l'approche que nous d\u00e9taillerons ci-dessous, et nous nous sommes donc engag\u00e9s dans des recherches r\u00e9volutionnaires.<\/p>\n

For the words that make up the wheel you likely know by now that SCAA adopted the World Coffee Research (WCR) Sensory Lexicon. It is a groundbreaking piece of research led by sensory scientists and their trained panels at KSU and TX A&M. You can all read about the work, sensory descriptive analysis, trained panels, and view the published lexicon to understand more about it. I personally encourage you to read a few informative articles published by WCR, ,, and finally, comment il peut \u00eatre utilis\u00e9 pour faire avancer la recherche sur le caf\u00e9<\/a>. On a side note, if you like what WCR has accomplished here, I encourage you all to participate in funding future research. As coffee roasters, there is a fantastically simple way you can make a difference, and that is through the .<\/p>\n

De l\u00e0, vous savez que l'analyse descriptive sensorielle est un outil puissant qui fournit des descriptions de mots des produits et une base quantitative pour comparer les similitudes et les diff\u00e9rences sensorielles des produits (Meilgaard et al. 2007; Stone et al. 2012). Aujourd'hui, c'est l'une des m\u00e9thodes les plus puissantes, quantitatives, sophistiqu\u00e9es et largement utilis\u00e9es en science sensorielle. La description des caract\u00e9ristiques sensorielles d'un produit permet des d\u00e9cisions commerciales \u00e9clair\u00e9es, guide le d\u00e9veloppement de produits, permet l'analyse comparative, le contr\u00f4le de la qualit\u00e9 et le suivi des changements du produit au fil du temps. Il est \u00e9galement pr\u00e9cieux en termes de recherche acad\u00e9mique, o\u00f9 il permet d'\u00e9tablir des corr\u00e9lations avec des mesures analytiques, permettant ainsi une meilleure compr\u00e9hension des m\u00e9canismes sous-jacents \u00e0 la saveur. La cr\u00e9ation d'un lexique est la premi\u00e8re \u00e9tape de ce processus (Lawless et Civille 2013). L'utilisation de cette m\u00e9thode pour la recherche nous permettra de relier des variables sp\u00e9cifiques \u00e0 des changements sp\u00e9cifiques de saveur (c.-\u00e0-d. \u00c9tablir la causalit\u00e9). Pour moi, cela signifie que nous pourrons enfin commencer \u00e0 aborder certains des dogmes centraux de l'industrie du caf\u00e9, concernant les raisons pour lesquelles le caf\u00e9 a le m\u00eame go\u00fbt. C'est un progr\u00e8s passionnant.<\/p>\n

Apr\u00e8s avoir compris la puissance et le potentiel du Lexique sensoriel WCR, nous savions que nous voulions l'adopter et le promouvoir en tant qu'association. Certains aspects du lexique peuvent et doivent \u00eatre imm\u00e9diatement adopt\u00e9s par l'industrie, y compris le vocabulaire, les d\u00e9finitions et l'utilisation de base des r\u00e9f\u00e9rences standard pour calibrer les d\u00e9gustateurs de caf\u00e9. Par cons\u00e9quent, la SCAA a vu une excellente occasion de r\u00e9viser la roue des saveurs du Coffee Taster. La force de la recherche de WCR a clairement montr\u00e9 qu'il \u00e9tait essentiel d'adapter la roue des ar\u00f4mes SCAA pour qu'elle soit compatible avec le lexique et apporte un nouvel outil \u00e0 l'industrie du caf\u00e9. Alors que le Lexique sensoriel WCR \u00e9tait en cours de finalisation, nous avions les mots d\u00e9crivant les attributs de saveur. Ce que nous n'avions pas, c'\u00e9tait les informations sur la mani\u00e8re d'organiser les mots autour de la roue. M\u00eame dans le cadre du d\u00e9veloppement d'un lexique, la liste des attributs en cat\u00e9gories est g\u00e9n\u00e9ralement bas\u00e9e sur l'opinion du panel et, selon un examen de ce processus, n'est pas une partie rigoureuse ni importante du d\u00e9veloppement du lexique (Lawless et Civille 2013). Cette information nous a laiss\u00e9 beaucoup de questions. Apr\u00e8s tout, nous ne voulions pas prendre la ressource d'ar\u00f4mes de caf\u00e9 la plus scientifiquement fond\u00e9e et en abuser ou simplement d\u00e9cider \u00e0 huis clos comment les mots devraient \u00eatre plac\u00e9s. Nous voulions trouver un moyen de traiter l'arrangement du lexique avec le m\u00eame respect, la m\u00eame diligence et la m\u00eame science que ceux qui ont \u00e9t\u00e9 n\u00e9cessaires pour cr\u00e9er le lexique. Nous nous sommes donc lanc\u00e9s dans une qu\u00eate pour d\u00e9couvrir les fronti\u00e8res de la science sensorielle. C'est vrai - aller hardiment l\u00e0 o\u00f9 personne n'est all\u00e9 auparavant.<\/p>\n

En fait, la science sensorielle est une discipline jeune et en plein d\u00e9veloppement. De ma propre \u00e9tude tout en compl\u00e9tant l'UC Davis <\/em> J'ai appris que ce domaine qui semble \u00e9voluer aussi vite que le monde de la technologie, et ce n'est pas un hasard. Le nombre d'outils de collecte de donn\u00e9es, de logiciels et de techniques d'analyse \u00e0 la disposition des scientifiques a augment\u00e9 de fa\u00e7on exponentielle \u00e0 mesure que les technologies, les statistiques et la gestion de l'information sont utilis\u00e9es de mani\u00e8re plus efficace. La SCAA avait besoin d'un partenaire de recherche pr\u00eat \u00e0 penser de mani\u00e8re cr\u00e9ative et \u00e0 faire des recherches solides pour nous aider \u00e0 comprendre comment le lexique devrait \u00eatre organis\u00e9 en termes de niveaux \/ niveaux ainsi que de placement. Compte tenu de la r\u00e9putation de renomm\u00e9e mondiale de la recherche en sciences sensorielles men\u00e9e \u00e0 l'UC Davis et de notre relation continue avec l'initiative du caf\u00e9 sur le campus, nous avons contact\u00e9 le d\u00e9partement des sciences et technologies alimentaires pour voir si des laboratoires de sciences sensorielles pouvaient travailler sur ce projet. Le Dr Jean-Xavier Guinard et sa doctorante, Molly Spencer, ont relev\u00e9 le d\u00e9fi.<\/p>\n

L'\u00e9tude de tri de lexique d'UC Davis<\/strong><\/p>\n

Apr\u00e8s quelques discussions avec Molly et le Dr Jean-Xavier Guinard, il \u00e9tait clair qu'aucune m\u00e9thode de science sensorielle \u00ab\u00e0 l'emporte-pi\u00e8ce\u00bb pr\u00e9existante ne serait imm\u00e9diatement appropri\u00e9e ou faisable pour ce que nous voulions accomplir. Ainsi, le Dr Guinard et Molly se sont mis au travail, examinant d'autres \u00e9tudes publi\u00e9es, effectuant des recherches de base et r\u00e9fl\u00e9chissant \u00e0 des solutions \u00e0 notre question tr\u00e8s sp\u00e9cifique. Ils ont d\u00e9termin\u00e9 qu'une m\u00e9thode de tri multiple libre modifi\u00e9e pouvait \u00eatre utilis\u00e9e pour comprendre les associations et les relations entre les attributs de saveur de lexique. De cette fa\u00e7on, nous pourrions comprendre comment l'industrie consid\u00e9rait ces termes ainsi que comment des pan\u00e9listes descriptifs sensoriels hautement qualifi\u00e9s regrouperaient ces attributs de lexique. Pour quantifier le regroupement hi\u00e9rarchique, les chercheurs de l'UC Davis ont cr\u00e9\u00e9 un programme en ligne que les participants peuvent utiliser \u00e0 distance et qui cartographierait toutes les instances o\u00f9 les attributs du lexique \u00e9taient associ\u00e9s. En fin de compte, nous comprendrions ce que devraient \u00eatre les principales cat\u00e9gories de saveurs (ou les niveaux \/ niveaux de la roue), ainsi que les cat\u00e9gories de saveurs qui pr\u00e9sentaient des relations indiquant qu'elles pouvaient \u00eatre plac\u00e9es les unes \u00e0 c\u00f4t\u00e9 des autres autour d'une roue.<\/p>\n

L'exercice de tri<\/strong><\/p>\n

Le tri est une m\u00e9thode de classification. Apr\u00e8s tout, mettre des groupes d'objets en cat\u00e9gories est l'une des op\u00e9rations les plus courantes de la pens\u00e9e humaine (Coxon 1999). La proc\u00e9dure de tri libre a \u00e9galement \u00e9t\u00e9 cr\u00e9\u00e9e \u00e0 l'origine comme un tri de mots (Steinberg 1967), mais a ensuite \u00e9t\u00e9 adopt\u00e9e pour l'analyse sensorielle (Lawless et al. 1995). Pour notre projet actuel, bien que nous ayons bas\u00e9 les variables \u00e0 trier (les attributs) sur l'\u00e9valuation sensorielle (d\u00e9gustation) du caf\u00e9, l'exercice de tri \u00e9tait un exercice de vocabulaire uniquement et n'incluait pas la d\u00e9gustation. De cette fa\u00e7on, notre exercice de tri \u00e9tait bas\u00e9 sur l'exp\u00e9rience des participants.<\/p>\n

Dans la m\u00e9thode de tri multiple gratuit (FMS), les \u00e9valuateurs sont traditionnellement invit\u00e9s \u00e0 trier les \u00e9chantillons d'aliments ou d'autres produits en plusieurs groupes d'une mani\u00e8re qui leur semble logique en tant qu'individus. Ils trient les \u00e9chantillons en un nombre de groupes \/ cat\u00e9gories choisis par le sujet (Coxon 1999; Dehlholm et al.2012). Lors de l'ex\u00e9cution de la t\u00e2che, l'\u00e9valuateur est autoris\u00e9 \u00e0 effectuer des tri suppl\u00e9mentaires du m\u00eame ensemble d'\u00e9chantillons jusqu'\u00e0 ce qu'il estime avoir couvert toutes les possibilit\u00e9s de tri (Steinberg 1967). Pour notre \u00e9tude, nous avons modifi\u00e9 la m\u00e9thode afin qu'au lieu de trier les \u00e9chantillons d'aliments eux-m\u00eames, les pan\u00e9listes aient \u00e9t\u00e9 invit\u00e9s \u00e0 trier les attributs (avec d\u00e9finitions) en cat\u00e9gories et sous-cat\u00e9gories, et la t\u00e2che de tri n'a \u00e9t\u00e9 effectu\u00e9e qu'une seule fois par pan\u00e9liste. De plus, les pan\u00e9listes devaient trier les attributs en cat\u00e9gories et sous-cat\u00e9gories de mani\u00e8re hi\u00e9rarchique jusqu'\u00e0 ce qu'ils sentent qu'il n'y avait plus de sous-cat\u00e9gories \u00e0 trier. Une interface Web conviviale (voir figure 1) a \u00e9t\u00e9 cr\u00e9\u00e9e pour permettre un tri simple et efficace des 99 attributs. L'utilisateur verrait alors les instructions et la liste des attributs, chacun avec une bulle d'information \u00e0 l'extr\u00eame droite avec une fen\u00eatre contextuelle de d\u00e9filement comprenant la d\u00e9finition \/ description de cet attribut tel que d\u00e9fini par KSU et TX A&M. Si un pan\u00e9liste n'\u00e9tait pas clair sur la signification de l'un des mots du lexique, il pouvait faire d\u00e9filer la bulle d'information pour acc\u00e9der \u00e0 la d\u00e9finition. Le participant a pu glisser-d\u00e9poser les attributs dans des cat\u00e9gories et sous-cat\u00e9gories, pour autant de niveaux hi\u00e9rarchiques qu'il le jugeait n\u00e9cessaire.<\/p>\n

En raison du nombre \u00e9lev\u00e9 d'attributs \u00e0 trier, du nombre \u00e9lev\u00e9 de pan\u00e9listes experts par rapport \u00e0 la plupart des m\u00e9thodes descriptives sensorielles (72 pan\u00e9listes) et de l'objectif final de cette exp\u00e9rience (une roue des saveurs), il a \u00e9t\u00e9 d\u00e9termin\u00e9 que chaque pan\u00e9liste ne compl\u00e8te que le t\u00e2che de tri une fois. Cette m\u00e9thode a \u00e9t\u00e9 modifi\u00e9e par rapport \u00e0 la m\u00e9thode FMS typique dans laquelle un petit nombre de pan\u00e9listes descriptifs (8 \u00e0 15) peuvent chacun effectuer la m\u00eame t\u00e2che de tri sur le m\u00eame ensemble d'\u00e9chantillons plusieurs fois, jusqu'\u00e0 ce qu'ils sentent qu'ils ont \u00e9puis\u00e9 les possibilit\u00e9s de tri. Des tri multiples auraient caus\u00e9 de la fatigue pour les pan\u00e9listes avec 99 articles \u00e0 trier, et il y avait \u00e0 la fois une expertise sensorielle et une expertise de l'industrie du caf\u00e9 \u00e0 prendre en compte, il \u00e9tait donc dans le meilleur int\u00e9r\u00eat de la nouvelle roue des saveurs d'accueillir un large panel de participants. inclure la contribution, l'exp\u00e9rience et l'expertise des deux domaines. Une fois le tri termin\u00e9, nous nous sommes concentr\u00e9s sur trois analyses statistiques pour nous aider \u00e0 comprendre les r\u00e9sultats.<\/p>\n

\"Sage_1\"<\/a><\/p>\n

Figure 1. Exemple d'interface utilisateur pour une t\u00e2che de tri termin\u00e9e pour 9 attributs (sur 99 possibles).<\/em><\/p>\n

Nous avons eu deux groupes d'\u00e9tude, qui ont finalement pu \u00eatre regroup\u00e9s en une population post hoc en fonction des r\u00e9sultats. Le premier groupe \u00e9tait compos\u00e9 de 29 pan\u00e9listes sensoriels form\u00e9s et exp\u00e9riment\u00e9s qui ont travaill\u00e9 sur des panels de chocolat et de vin \u00e0 l'UC Davis. Ces pan\u00e9listes n'\u00e9taient pas tenus d'\u00eatre form\u00e9s sp\u00e9cifiquement sur le caf\u00e9, mais ils avaient tous particip\u00e9 \u00e0 des \u00e9tudes sensorielles et travaill\u00e9 avec et \u00e9t\u00e9 expos\u00e9s \u00e0 la plupart des attributs de saveur sur la liste de caf\u00e9. Ils ont re\u00e7u des instructions \u00e9crites pour effectuer la t\u00e2che de tri multiple gratuite sur le Web \u00e0 distance et individuellement, \u00e0 partir de leur ordinateur personnel.<\/p>\n

Pour nous assurer que les r\u00e9sultats refl\u00e9teraient fid\u00e8lement les besoins de l'industrie, nous savions que nous devions inviter les gens du caf\u00e9 \u00e0 contribuer \u00e0 cette recherche et \u00e0 cr\u00e9er les donn\u00e9es. La SCAA a invit\u00e9 des centaines de nos professionnels du caf\u00e9 les plus proches et les plus chers \u00e0 participer \u00e0 ce travail, y compris nos conseils d'administration, comit\u00e9s et conseils, experts en la mati\u00e8re et instructeurs SCAA, affili\u00e9s et parties prenantes de WCR, instructeurs Q, coll\u00e8gues du CQI et de l'ACE, et d'autres leaders de l'industrie . Au final, 43 juges recrut\u00e9s par la SCAA dans l'industrie du caf\u00e9 ont effectu\u00e9 la m\u00eame proc\u00e9dure en ligne que les pan\u00e9listes de l'UC Davis.<\/p>\n

L'analyse<\/strong><\/p>\n

Le but de ce travail \u00e9tait de comprendre \u00e0 quel point les attributs de saveur \u00e9taient \u00e9troitement li\u00e9s, comme l'ont jug\u00e9 un groupe de pan\u00e9listes sensoriels experts et l'industrie du caf\u00e9. Pour organiser les donn\u00e9es brutes, un programme a \u00e9t\u00e9 \u00e9crit en utilisant le langage de programmation Ruby pour traduire les donn\u00e9es de tri en matrices pouvant \u00eatre utilis\u00e9es pour l'analyse. Pour les deux m\u00e9thodes d\u00e9taill\u00e9es ci-dessous, deux premi\u00e8res matrices binaires ont \u00e9t\u00e9 cr\u00e9\u00e9es pour chaque participant (1 si la relation existait, 0 si la relation n'existait pas), une matrice pour les relations \u00abfr\u00e8re-s\u0153ur\u00bb, dans laquelle les attributs apparaissaient dans le m\u00eame sous-cat\u00e9gorie, et une matrice pour les relations \u00abparent-enfant\u00bb, dans laquelle un attribut apparaissait dans une sous-cat\u00e9gorie sous un autre attribut. Ces types de relations \u00e9taient donc nos crit\u00e8res de similitude. Voir le tableau 1 pour un exemple de ceci. \u00c0 partir de toutes les donn\u00e9es de tri individuelles collect\u00e9es, une matrice de proximit\u00e9 sym\u00e9trique (similarit\u00e9) avec des sommes des nombres de fois que les attributs apparaissent ensemble dans les relations \u00abfr\u00e8res et s\u0153urs\u00bb ou les relations \u00abparents-enfants\u00bb a \u00e9t\u00e9 compil\u00e9e pour les 72 participants. Cette matrice de similarit\u00e9 a ensuite \u00e9t\u00e9 utilis\u00e9e pour compl\u00e9ter les analyses suivantes.<\/p>\n

\"Sage_2\"<\/a><\/p>\n

Tableau 1. Exemple d'extrait d'une matrice de similarit\u00e9 pour un participant \u00e0 l'\u00e9tude, mettant en \u00e9vidence 7 attributs<\/em><\/p>\n

Premi\u00e8rement, nous devions comparer les deux groupes d'\u00e9tude (pan\u00e9listes par rapport \u00e0 l'industrie). Nous voulions savoir si les pan\u00e9listes form\u00e9s disposaient le lexique diff\u00e9remment de notre groupe industriel. Nous savions que l'un ou l'autre des r\u00e9sultats serait int\u00e9ressant \u00e0 sa mani\u00e8re, mais nous avions \u00e9mis l'hypoth\u00e8se que les groupes auraient des r\u00e9sultats diff\u00e9rents en fonction de leurs ant\u00e9c\u00e9dents et de leur formation diff\u00e9rents. Pour cela, deux matrices de similarit\u00e9, une pour les pan\u00e9listes UCD et une pour les participants de l'industrie, ont \u00e9t\u00e9 utilis\u00e9es pour ex\u00e9cuter deux analyses distinctes de mise \u00e0 l'\u00e9chelle multidimensionnelle multidimensionnelle (5D-MDS). Les r\u00e9sultats des analyses 5D-MDS ont \u00e9t\u00e9 utilis\u00e9s pour ex\u00e9cuter une analyse \u00e0 facteurs multiples (MFA), une technique permettant de comparer deux ensembles de donn\u00e9es. Ces analyses ont \u00e9t\u00e9 concurrenc\u00e9es dans XLSTAT\u00ae 2015. La MFA a \u00e9t\u00e9 r\u00e9alis\u00e9e et a montr\u00e9 qu'il n'y avait pas de diff\u00e9rence significative entre les pan\u00e9listes de l'UC Davis et le groupe Industrie. Nous le savions parce que les coefficients RV \u00e9taient sup\u00e9rieurs \u00e0 0,70, ce qui signifie que les deux groupes \u00e9taient li\u00e9s et provenaient de la m\u00eame population. Dans cet esprit, nous pourrions aller de l'avant avec l'\u00e9valuation de la relation entre les attributs de saveur bas\u00e9e sur une population de 72 pan\u00e9listes et participants de l'industrie.<\/p>\n

Une analyse de cluster hi\u00e9rarchique agglom\u00e9ratif (AHC) a \u00e9t\u00e9 r\u00e9alis\u00e9e sur les donn\u00e9es en utilisant la matrice de similarit\u00e9. AHC regroupe les attributs en diff\u00e9rentes cat\u00e9gories et sous-cat\u00e9gories \u00e0 diff\u00e9rents niveaux en fonction de crit\u00e8res de similitude. Le regroupement AHC est g\u00e9n\u00e9ralement visualis\u00e9 sous la forme d'un dendrogramme. L'exemple classique en est la taxonomie des esp\u00e8ces ou les liens g\u00e9n\u00e9tiques, que nous avons l'habitude de voir dans les dendrogrammes. Le clustering hi\u00e9rarchique agglom\u00e9ratif commence avec chaque objet dans un seul \u00abcluster\u00bb. La m\u00e9thode d'agglom\u00e9ration de liaison moyenne de groupe de paires non pond\u00e9r\u00e9es a \u00e9t\u00e9 appliqu\u00e9e pour relier les attributs, une paire \u00e0 la fois, du bas (le plus similaire) au sommet (le moins similaire). Dans chaque it\u00e9ration successive (liaison), il agglom\u00e8re (fusionne) la paire d'objets la plus proche (un individu ou la moyenne d'un groupe) en satisfaisant aux crit\u00e8res de similitude sp\u00e9cifi\u00e9s, jusqu'\u00e0 ce que toutes les donn\u00e9es fassent partie d'une grande cat\u00e9gorie. Sur un dendrogramme, chacun de ces liens est repr\u00e9sent\u00e9 par une ligne horizontale. L'axe des y du dendrogramme repr\u00e9sente la similitude sp\u00e9cifique (entre 0 et 72) des clusters qui ont \u00e9t\u00e9 fusionn\u00e9s. Le nombre de classes principales peut \u00eatre sp\u00e9cifi\u00e9 par l'utilisateur ou d\u00e9termin\u00e9 par le logiciel. Dans ce cas, le nombre de classes principales \u00e9tait initialement indiqu\u00e9 \u00e0 quatre par le logiciel XLSTAT\u00ae 2015, mais cela n'\u00e9tait pas suffisant pour la roue des saveurs et ne s\u00e9parait pas assez distinctement le grand nombre d'attributs. Apr\u00e8s avoir observ\u00e9 les donn\u00e9es, neuf classes ont \u00e9t\u00e9 sp\u00e9cifi\u00e9es, car il a \u00e9t\u00e9 d\u00e9termin\u00e9 qu'il s'agissait du nombre optimal de classes principales qui s\u00e9paraient statistiquement les 99 attributs clairement tout en maintenant l'intuitivit\u00e9.<\/p>\n

L'approche la plus courante pour analyser les donn\u00e9es des t\u00e2ches de tri est la mise \u00e0 l'\u00e9chelle multidimensionnelle (MDS) (Lawless et al. 1995). Le MDS a \u00e9t\u00e9 r\u00e9alis\u00e9 sur la matrice de similarit\u00e9 afin d'obtenir une repr\u00e9sentation en 2 dimensions de la relation entre les attributs de saveur. Cette analyse MDS a \u00e9galement \u00e9t\u00e9 r\u00e9alis\u00e9e en utilisant les donn\u00e9es des 72 participants (\u00e0 partir de la matrice de similarit\u00e9 compl\u00e8te) pour cr\u00e9er une aide visuelle pour voir o\u00f9 les attributs se situent \u00e0 proximit\u00e9 les uns des autres. Plus pr\u00e9cis\u00e9ment, une MDS non m\u00e9trique (ordinale) a \u00e9t\u00e9 r\u00e9alis\u00e9e, ce qui signifie que l'ordre des \u00abdistances\u00bb (en utilisant les valeurs de contrainte de Kruskal) calcul\u00e9es pour la matrice de ressemblance correspondait \u00e0 l'ordre \/ classement des distances dans l'espace de repr\u00e9sentation (le graphique). Cela a \u00e9t\u00e9 fait pour compl\u00e9ter les donn\u00e9es AHC et pour guider l'ordre des classes principales (grappes) autour d'une forme circulaire de la roue des saveurs. Toutes les analyses ont \u00e9t\u00e9 effectu\u00e9es dans XLSTAT\u00ae 2015.<\/p>\n

Les resultats<\/strong><\/p>\n

Pour tous les participants ensemble, l'AHC a \u00e9t\u00e9 tronqu\u00e9e \u00e0 neuf classes principales (voir figure 2). Le graphique MDS pour les donn\u00e9es compil\u00e9es de tous les 72 participants est repr\u00e9sent\u00e9 sur la figure 3. Cela a conduit aux principales cat\u00e9gories de saveurs sugg\u00e9r\u00e9es et \u00e0 la hi\u00e9rarchie pour la roue des saveurs. Cependant, ce qu'un dendrogramme ne fait pas, c'est nommer les liens horizontaux (ou des groupes plus larges), et donc, certains termes \u00abparapluie\u00bb pour les 9 classes principales \u00e9taient n\u00e9cessaires.<\/p>\n

\"\"<\/a><\/p>\n

Figure 2. Dendrogramme repr\u00e9sentant les r\u00e9sultats de l'analyse AHC sur les r\u00e9sultats du tri des attributs.<\/em><\/p>\n

\"\"<\/a><\/p>\n

Figure 3. Le trac\u00e9 5D-MDS en 2 dimensions.<\/em><\/p>\n

Conception de la roue<\/strong><\/p>\n

Le d\u00e9veloppement de la roue a \u00e9galement n\u00e9cessit\u00e9 une approche qualitative. Le fait est que tout r\u00e9sultat statistique doit \u00eatre interpr\u00e9t\u00e9. C'est ainsi que nous sommes pass\u00e9s d'un dendrogramme et d'un trac\u00e9 MDS \u00e0 une roue. Comme vous pouvez le voir, il n'y a pas de moyen compl\u00e8tement pr\u00e9cis pour y parvenir. L'interpr\u00e9tation est un exercice humain. Heureusement, nous avions beaucoup d'humains intelligents \u00e0 notre disposition, y compris ceux de l'UC Davis, du WCR, de la SCAA et des scientifiques sensoriels de la KSU. Une fois nos r\u00e9sultats termin\u00e9s, nous avons pass\u00e9 de nombreuses heures \u00e0 examiner les it\u00e9rations possibles d'une roue. Nous avons cir\u00e9 po\u00e9tique sur les m\u00e9rites d'une roue \u00e0 quatre contre trois niveaux. Nous avons examin\u00e9 le dendrogramme et les d\u00e9fis inh\u00e9rents au regroupement des relations en paires. Nous avons d\u00fb travailler ensemble pour nous mettre d'accord avec WCR et KSU sur l'ensemble des cat\u00e9gories de saveurs (anneau int\u00e9rieur). Et c'est exactement ce que nous avons fait.<\/p>\n

Pour cr\u00e9er un mod\u00e8le qui s'adapterait autour de la roue, nous avons utilis\u00e9 le dendrogramme pour cr\u00e9er un graphique pour chacune des principales cat\u00e9gories de saveurs (voir les figures 4, 5, 6 et 7 ci-dessous pour des exemples). Ensuite, nous sommes retourn\u00e9s au MDS et avons compar\u00e9 tous les r\u00e9sultats, group\u00e9s et individuellement, pour \u00e9valuer chacune des 9 classes de saveurs en fonction de leur position par rapport aux autres, de mani\u00e8re circulaire. Cela nous a aid\u00e9s \u00e0 savoir quels segments de la roue seraient contigus. Par cons\u00e9quent, la roue a \u00e9t\u00e9 con\u00e7ue non seulement pour montrer les relations entre et parmi les 9 principales cat\u00e9gories de saveurs, mais aussi pour montrer les relations entre les attributs individuels, jusqu'\u00e0 l'ordre et le placement du troisi\u00e8me anneau sur la roue. Les cat\u00e9gories qui sont proches les unes des autres sur le graphique MDS ont \u00e9t\u00e9 per\u00e7ues comme similaires (sur la base des 72 participants) et sont donc g\u00e9n\u00e9ralement situ\u00e9es les unes \u00e0 c\u00f4t\u00e9 des autres sur la nouvelle roue. Par exemple, dans les fruits fruit\u00e9s, les agrumes \u00e9taient souvent \u00e9troitement associ\u00e9s aux attributs aigres de la parcelle MDS et, par cons\u00e9quent, ces sections de la roue sont contigu\u00ebs.<\/p>\n

Les mots g\u00e9n\u00e9raux qui englobent les cat\u00e9gories plus larges en haut du dendrogramme (par exemple, \u00absucr\u00e9\u00bb ou \u00abfruit\u00e9\u00bb) ont \u00e9t\u00e9 extraits du lexique sur la base de la recommandation des scientifiques et des pan\u00e9listes de la KSU. Dans certains cas, il a \u00e9t\u00e9 n\u00e9cessaire de regrouper deux termes du lexique sous forme d'en-t\u00eate de cat\u00e9gorie, auquel cas une barre oblique (\/) a \u00e9t\u00e9 utilis\u00e9e pour diff\u00e9rencier les deux termes. Du fait que le lexique sensoriel du WCR et ce projet \u00e9taient en cours de r\u00e9alisation simultan\u00e9ment, quelques termes ont \u00e9t\u00e9 d\u00e9plac\u00e9s, renomm\u00e9s ou ajout\u00e9s au lexique et donc \u00e0 la roue des saveurs pour cr\u00e9er l'organisation finale. Voir la figure 8 (ci-dessous) pour l'it\u00e9ration finale de la nouvelle roue de saveur du d\u00e9gustateur de caf\u00e9.<\/p>\n

\"Sage_5\"<\/a><\/p><\/blockquote>\n

Figure 4. Exemple d'interpr\u00e9tation du dendrogramme dans la cat\u00e9gorie de saveur Noix \/ Cacao, avec des cercles color\u00e9s indiquant les groupes correspondants avec des niveaux sur la hi\u00e9rarchie graphique.<\/em><\/p>\n

\"Sage_6\"<\/a><\/p>\n

Figure 5. Exemple d'interpr\u00e9tation du dendrogramme dans la cat\u00e9gorie Saveur florale, avec des cercles color\u00e9s indiquant les grappes correspondantes avec des niveaux sur la hi\u00e9rarchie graphique.<\/em><\/p>\n

\"Sage_7\"<\/a><\/p>\n

Figure 6. Exemple d'interpr\u00e9tation du dendrogramme dans la cat\u00e9gorie Saveur fruit\u00e9e, avec des cercles color\u00e9s indiquant les grappes correspondantes avec des niveaux sur la hi\u00e9rarchie graphique.<\/em><\/p>\n

\"Sage_8\"<\/a><\/p>\n

Figure 7. Exemple d'interpr\u00e9tation du dendrogramme dans la cat\u00e9gorie Saveur sucr\u00e9e, avec des cercles color\u00e9s indiquant les grappes correspondantes avec des niveaux sur la hi\u00e9rarchie graphique.<\/em><\/p>\n

En conclusion<\/strong><\/p>\n

Le but ultime de ce projet \u00e9tait de trier les attributs d'ar\u00f4me de caf\u00e9 donn\u00e9s de mani\u00e8re \u00e0 simplifier le choix des mots d\u00e9crivant le caf\u00e9, qu'il s'agisse de termes g\u00e9n\u00e9raux ou plus d\u00e9taill\u00e9s. Les cat\u00e9gories et sous-cat\u00e9gories d\u00e9velopp\u00e9es \u00e0 l'aide de ces m\u00e9thodes de tri ont \u00e9t\u00e9 utilis\u00e9es pour cr\u00e9er une nouvelle roue des ar\u00f4mes de caf\u00e9. L'analyse AHC a fourni une hi\u00e9rarchie et MDS a fourni une repr\u00e9sentation visuelle de la fa\u00e7on dont les principales cat\u00e9gories d'ar\u00f4mes devraient \u00eatre organis\u00e9es autour de la roue des saveurs. Vous remarquerez peut-\u00eatre, si vous \u00eates un \u00e9tudiant des roues aromatiques, qu'il y a beaucoup de points communs entre le Lexique sensoriel WCR et la nouvelle roue aromatique avec d'autres roues, d\u00e9crivant diff\u00e9rents produits. La roue \u00e0 vin originale, mentionn\u00e9e pr\u00e9c\u00e9demment, a plusieurs des m\u00eames cat\u00e9gories de saveurs principales que notre nouvelle roue, y compris les \u00e9pices, les fruits, les fleurs, les v\u00e9g\u00e9tatifs et les noisettes (Noble et al., 1984). Ce n'est pas parce que le vin et le caf\u00e9 partagent une multitude de similitudes sur lesquelles il faut insister. C'est plut\u00f4t parce que ce que nous enregistrons et quantifions r\u00e9ellement, c'est l'exp\u00e9rience sensorielle humaine<\/em>. Les humains, en tant qu'instruments, trouvent de nombreuses similitudes dans la perception des aliments et des boissons - nous ne faisons que capturer l'exp\u00e9rience.<\/p>\n

En r\u00e9sum\u00e9, nous avons cr\u00e9\u00e9 une r\u00e9vision de la roue des saveurs du Coffee Taster. Nous avons con\u00e7u une roue adapt\u00e9e aux tasses de caf\u00e9 et \u00e0 l'industrie, qui est \u00e9galement utile pour la formation descriptive des pan\u00e9listes et les d\u00e9veloppeurs de produits. Peut-\u00eatre plus important encore, c'est un outil solide de communication avec les clients et les consommateurs. Il repr\u00e9sente une v\u00e9ritable collaboration entre les pan\u00e9listes descriptifs, les scientifiques sensoriels, l'industrie, WCR, SCAA et UC Davis. C'est le produit d'une approche cr\u00e9ative et collaborative de la r\u00e9solution de probl\u00e8mes aux fronti\u00e8res des m\u00e9thodes et analyses des sciences sensorielles. Nous pouvons tous \u00eatre fiers d'avoir contribu\u00e9 \u00e0 ce travail - parce que chaque personne qui a atteint les derniers paragraphes de cet article a absolument fait partie du processus. Nous avons cr\u00e9\u00e9 cet outil pour vous. Vous l'avez inspir\u00e9. C'est \u00e0 vous d'utiliser, de partager et de grandir avec. Ainsi, nous avons cr\u00e9\u00e9 une roue de saveurs SCAA Coffee Taster enti\u00e8rement r\u00e9vis\u00e9e.<\/p>\n

\"\"<\/a><\/p>\n

Comment r\u00e9inventer une roue: une histoire de science et d'industrie<\/p><\/blockquote>\n

La source: Comment r\u00e9inventer une roue: une histoire de science et d'industrie | La chronique du caf\u00e9 sp\u00e9cialis\u00e9<\/a><\/em><\/p>","protected":false},"excerpt":{"rendered":"

Introduction The scientific story behind the new SCAA Coffee Taster\u2019s Flavor Wheel is quite fascinating. This tale includes a star cast of characters, including World Coffee Research (WCR), Kansas State University (KSU), Texas A&M University (TX A&M), the University of California, Davis (UC Davis), and key SCAA members and volunteers. It highlights research SCAA identified […]<\/p>\n","protected":false},"author":11,"featured_media":2427,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":"","footnotes":""},"categories":[171,172,204],"tags":[],"class_list":["post-2426","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog","category-coffee","category-specialty-coffee"],"acf":[],"_links":{"self":[{"href":"https:\/\/cuatrocaminoscoffee.com\/fr\/wp-json\/wp\/v2\/posts\/2426","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cuatrocaminoscoffee.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cuatrocaminoscoffee.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/cuatrocaminoscoffee.com\/fr\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/cuatrocaminoscoffee.com\/fr\/wp-json\/wp\/v2\/comments?post=2426"}],"version-history":[{"count":3,"href":"https:\/\/cuatrocaminoscoffee.com\/fr\/wp-json\/wp\/v2\/posts\/2426\/revisions"}],"predecessor-version":[{"id":209710,"href":"https:\/\/cuatrocaminoscoffee.com\/fr\/wp-json\/wp\/v2\/posts\/2426\/revisions\/209710"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cuatrocaminoscoffee.com\/fr\/wp-json\/wp\/v2\/media\/2427"}],"wp:attachment":[{"href":"https:\/\/cuatrocaminoscoffee.com\/fr\/wp-json\/wp\/v2\/media?parent=2426"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cuatrocaminoscoffee.com\/fr\/wp-json\/wp\/v2\/categories?post=2426"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cuatrocaminoscoffee.com\/fr\/wp-json\/wp\/v2\/tags?post=2426"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}