前書き
新しいSCAAコーヒーテイスターのフレーバーホイールの背後にある科学的な話は非常に魅力的です。この物語には、ワールドコーヒーリサーチ（WCR）、カンザス州立大学（KSU）、テキサスA＆M大学（TX A＆M）、カリフォルニア大学デービス校（UCデービス校）、SCAAの主要メンバーとボランティアを含むスターキャストが含まれています。これは、SCAAが必要性を特定し、開拓し、解釈した研究を浮き彫りにし、20年以上にわたって私たち全員が知っていて愛してきたフレーバーホイールの待望の改訂をもたらしました。 SCAAは、そのメンバー、および業界全体の進歩に、ますますデータ駆動型の科学的アプローチに取り組むことを約束します。これにより、時の試練に耐え、確かな科学的研究に基づくソリューションを探すことになりました。 。私たちはその結果に非常に満足しており、この貴重な新しいリソースについても同様に熱心になることを願っています。
フレーバーホイールとは何ですか？
フレーバーホイールは、円形に配置された単語で構成されています。フレーバーツリーやフレーバーピラミッド、フレーバーの「きみならどうする？」を使ってみませんか？これは、1970年代後半に化学者のDr. Morten C. Meilgaard（Meilgaard and others 1979）によってビール用に開発された最初のフレーバーホイールと関係があるようです。これに続いて、1980年代半ばにカリフォルニア大学デービス校のアンC.ノーブルがワインを求めました（ノーブル他1987;ノーブル他1984）。そこから、私たち自身を含む他の多くの産業がそれに続きました。ホイールで使用される単語は、製品または製品のカテゴリに関する語彙を作成し、トレーニングを標準化し、味と知覚に関する一般的な議論を促進するのに役立ちます。ホイールは、ほんの数例を挙げると、テイスター、施設、輸出業者と輸入業者、そして消費者の間で製品に関する明確で共通のコミュニケーションを提供します。
フレーバーホイールを作成するには、単語が必要であり、それらを配置する必要があります。結局のところ、これを行うには多くの方法があります。多くの既存のホイールは、開発の一部として科学的研究を含んでいません。業界または業界団体によるコンセンサスに基づくものもあれば、個人によって作成されるものもあります。オリジナルのSCAAホイールは、これらの方法のいくつかを使用して作成されました。 SCAAが数年前に特別な臨時委員会で車輪を修正することは非常に簡単だったでしょう。結局のところ、これは私たちのホイールの起源と一致しており、他の多くの人が作成され続けている方法です。過去数年間のこのトピックに関する私の調査に基づくと、コーヒー業界は、一輪を心から普遍的に採用しているという点でかなり独特であり、コーヒーの品質を高めるために多くの有意義な仕事をすることができました。おそらくこれは、テッド・リングルによるオリジナルのSCAAホイールが1995年に発売されたためです。これは、特殊な食品および飲料ホイールの分野の比較的早い時期です。そのためにテッドは莫大な額のクレジットを支払う必要があります。このトピックの私の研究では、科学的調査に根ざした他の車輪はほとんど見つかりませんでした。いくつかの注目すべき車輪も感覚語彙から生じました（Lawless他2012; Noble他1987; Koch他2012; Suffet他1999; Gawel他2000）。ただし、以下で詳しく説明するアプローチを使用したホイールは他にないため、画期的な研究を行っています。
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, コーヒー研究を進めるためにどのように使用できるか. 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 .
このことから、感覚記述分析は、製品の単語の説明と、製品の感覚の類似点と相違点を比較するための定量的基礎を提供する強力なツールであることがわかります（Meilgaard他2007; Stone他2012）。今日、それは感覚科学で最も強力で、定量的で、洗練され、広く使用されている方法の1つです。製品の官能特性を説明することで、情報に基づいたビジネス上の意思決定が可能になり、製品開発がガイドされ、ベンチマーク、品質管理、および製品の経時変化の追跡が可能になります。また、分析測定との相関関係を確立できるため、フレーバーの根底にあるメカニズムをよりよく理解できるようになる学術研究の観点からも価値があります。レキシコンの作成は、このプロセスの最初のステップです（Lawless and Civille2013）。この方法を研究に使用すると、特定の変数をフレーバーの特定の変化に関連付けることができます（つまり、因果関係を確立できます）。私にとって、それは、コーヒーがそのように味わう理由に関連して、コーヒー業界の中心的な教義のいくつかに最終的に取り組むことができることを意味します。それはエキサイティングな進歩です。
WCR感覚レキシコンの力と可能性を理解した後、私たちはそれを協会として採用し、促進したいと思いました。レキシコンの側面は、語彙、定義、コーヒーテイスターを調整するための標準参照の基本的な使用など、業界ですぐに採用でき、採用する必要があります。したがって、SCAAは、コーヒーテイスターのフレーバーホイールを改訂する絶好の機会を見ました。 WCRの研究の強みは、SCAAフレーバーホイールをレキシコンと互換性があるように適合させ、コーヒー業界に新しいツールをもたらすことが重要であることを明らかにしました。 WCR感覚レキシコンが完成しているときに、フレーバー属性を説明する言葉がありました。私たちが持っていなかったのは、車輪の周りに単語を配置する方法に関する情報でした。レキシコンの開発内でさえ、カテゴリへの属性のリストは一般にパネルの意見に基づいており、このプロセスのレビューによると、レキシコン開発の厳密でも重要な部分でもありません（Lawless and Civille2013）。この情報は私たちにたくさんの質問を残しました。結局のところ、私たちは最も科学に基づいたコーヒーフレーバーリソースを利用してそれを悪用したり、単に密室で言葉をどのように配置するかを決定したくありませんでした。私たちは、レキシコンの作成に使用したのと同じ敬意、勤勉さ、および科学を使用して、レキシコンの配置を処理する方法を見つけたかったのです。したがって、私たちは感覚科学のフロンティアを発見するための探求に着手しました。そうです–これまで誰も行ったことのない場所に大胆に行くこと。
実際、感覚科学は非常に若く、急速に発展している分野です。カリフォルニア大学デービス校を修了している間の私自身の研究から 私は、この分野がテクノロジーの世界と同じくらい速く動いているように見えることを学びました、そしてそれは偶然ではありません。科学者が利用できるデータ収集ツール、ソフトウェア、および分析手法の数は、テクノロジー、統計、および情報管理がより効果的な方法で使用されるにつれて、指数関数的に増加しています。 SCAAは、レキシコンを階層/レベルおよび配置の観点からどのように配置する必要があるかを理解するのに役立つ、創造的に考え、しっかりとした調査を行うことをいとわない調査パートナーを必要としていました。カリフォルニア大学デービス校で実施された感覚科学研究の世界的に有名な評判と、キャンパスでのコーヒーイニシアチブとの継続的な関係を考慮して、私たちは食品科学技術部門に連絡して、感覚科学研究所がこのプロジェクトに取り組むことができるかどうかを確認しました。 Jean-XavierGuinard博士と彼の博士課程の候補者であるMollySpencerが挑戦しました。
カリフォルニア大学デービス校の語彙目録分類研究
MollyとDr.Jean-Xavier Guinardとの話し合いの結果、既存の「クッキーカッター」感覚科学の方法が、私たちが達成したいことに対してすぐに適切または実行可能ではないことは明らかでした。そこで、ギナード博士とモリーは仕事に行き、他の公開された研究を調べ、背景研究を行い、私たちの非常に具体的な質問に対する解決策をブレインストーミングしました。彼らは、修正された無料の複数の並べ替え方法を使用して、レキシコンフレーバー属性間の関連と関係を理解できると判断しました。このようにして、業界がこれらの用語をどのように見ているか、および高度に訓練された感覚記述パネリストがこれらの辞書属性をどのようにグループ化するかを理解できました。階層的なグループ化を定量化するために、カリフォルニア大学デービス校の研究者は、参加者がリモートで使用するためのオンラインプログラムを作成しました。このプログラムは、辞書属性が関連付けられているすべてのインスタンスをマップします。最終的に、主なフレーバーカテゴリ（またはホイールのティア/レベル）がどうあるべきか、またどのフレーバーカテゴリがホイールの周りに隣り合って配置できることを示す関係を示しているかを理解できます。
並べ替えの練習
ソートは分類の方法です。結局のところ、物事のグループをカテゴリーに分類することは、人間の思考において最も一般的な操作の1つです（Coxon1999）。フリーソート手順は、もともと単語ソートとしても作成されましたが（Steinberg 1967）、後に官能分析に採用されました（Lawless and others1995）。現在のプロジェクトでは、コーヒーの官能評価（試飲）に基づいて並べ替える変数（属性）を作成しましたが、並べ替えの演習は語彙のみであり、試飲は含まれていませんでした。このように、私たちの仕分け演習は、参加者の経験に基づいたものでした。
Free Multiple Sorting（FMS）方式では、評価者は伝統的に、食品またはその他の製品サンプルを、個人として意味のある方法で複数のグループに分類するように求められます。彼らはサンプルを主題によって選択された数のグループ/カテゴリーに分類します（Coxon 1999; Dehlholm and others2012）。タスクを実行するとき、評価者は、すべての並べ替えの可能性をカバーしたと感じるまで、同じサンプルセットの追加の並べ替えを行うことができます（Steinberg1967）。私たちの研究では、食品サンプル自体を並べ替える代わりに、パネリストが属性（定義付き）をカテゴリとサブカテゴリに並べ替えるようにメソッドを変更し、並べ替えタスクはパネリストごとに1回だけ実行されました。さらに、パネリストは、並べ替えるサブカテゴリがなくなるまで、属性を階層的にカテゴリとサブカテゴリに並べ替える必要がありました。 99個の属性を簡単かつ効率的にソートできるように、ユーザーフレンドリーなWebインターフェイス（図1を参照）が作成されました。次に、ユーザーには指示と属性のリストが表示されます。それぞれの右端に情報バブルがあり、KSUとTX A＆Mによって定義された属性の定義/説明を含むスクロールオーバーポップアップが表示されます。パネリストがレキシコンの単語の1つの意味について不明な場合は、情報バブルをスクロールして定義にアクセスできます。参加者は、必要と思われる階層レベルで、属性をカテゴリとサブカテゴリにドラッグアンドドロップすることができました。
ソートされる属性の数が多いこと、ほとんどの感覚的記述方法（72人のパネリスト）と比較して専門家のパネリストの数が多いこと、およびこの実験の最終目標（フレーバーホイール）のために、各パネリストはタスクを1回ソートします。この方法は、少数の説明パネリスト（8〜15）が、並べ替えの可能性を使い果たしたと感じるまで、同じサンプルセットに対して同じ並べ替えタスクを複数回実行する一般的なFMS方法から変更されました。複数の並べ替えを行うと、99項目のパネリストが並べ替えられることに疲労が生じ、感覚の専門知識とコーヒー業界の専門知識の両方を考慮する必要があったため、参加者の大規模なパネルに対応することが新しいフレーバーホイールの最大の関心事でした。両方の分野からのインプット、経験、専門知識が含まれます。ソートが完了した後、結果を理解するのに役立つ3つの統計分析に焦点を合わせました。
図1.9（99の可能な）属性の完了したソートタスクのユーザーインターフェイスの例。
2つの研究グループがあり、最終的には結果に基づいて事後的に1つの母集団にグループ化することができました。最初のグループは、カリフォルニア大学デービス校でチョコレートとワインのパネルに取り組んだ、訓練を受けた経験豊富な感覚パネリスト29人で構成されていました。これらのパネリストは、特にコーヒーに関するトレーニングを受ける必要はありませんでしたが、全員が感覚研究に参加し、コーヒーリストのほとんどのフレーバー属性を使用してそれらに触れていました。彼らは、自分のパソコンからリモートで個別にWeb上で無料の複数の並べ替えタスクを実行するための書面による指示を送信されました。
結果が業界のニーズを正確に反映するようにするために、私たちはコーヒーの人々をこの研究に貢献してデータを作成するように招待する必要があることを知っていました。 SCAAは、取締役会、委員会、評議会、対象分野の専門家とSCAAインストラクター、WCRの関連会社と利害関係者、Qインストラクター、CQIとACEの同僚、その他の業界リーダーなど、数百人の最も親しいコーヒー専門家をこの作業に招待しました。 。最終的に、SCAAによってコーヒー業界から採用された43人の裁判官が、カリフォルニア大学デービス校のパネリストと同じオンライン手順を実行しました。
解析
この作業のポイントは、専門家の感覚パネリストとコーヒー業界のグループによって同様に判断されたように、フレーバー属性がどれほど密接に関連しているかを理解することでした。生データを整理するために、Rubyプログラミング言語を使用してプログラムを作成し、ソートデータを分析に使用できるマトリックスに変換しました。以下に詳述する両方の方法で、最初の2つのバイナリマトリックスが参加者ごとに作成され（関係が存在する場合は1、関係が存在しない場合は0）、属性がに表示される「兄弟-兄弟」関係の1つのマトリックスが作成されました。同じサブカテゴリ、および「親子」関係の1つのマトリックス。1つの属性が別の属性の下のサブカテゴリに表示されます。したがって、これらのタイプの関係が類似性の基準でした。この例については、表1を参照してください。収集されたすべての個別の並べ替えデータから、72人の参加者について、属性が「兄弟」関係または「親子」関係で一緒に表示される回数の合計を含む対称近接（類似性）マトリックスが作成されました。次に、この類似性マトリックスを使用して、以下の分析を完了しました。
表1.7つの属性を強調した、1人の研究参加者の類似性マトリックスの抜粋例
まず、2つの研究グループ（パネリストと業界）を比較する必要がありました。訓練を受けたパネリストがレキシコンを業界グループとは異なる方法で配置したかどうかを知りたいと思いました。どちらの結果もそれ自体が興味深いものになることはわかっていましたが、グループの背景やトレーニングが異なると、結果も異なるという仮説を立てていました。このために、UCDパネリスト用と業界参加者用の2つの類似性マトリックスを使用して、2つの別々の5次元多次元尺度構成法（5D-MDS）分析を実行しました。 5D-MDS分析の結果を使用して、2つのデータセットを比較する手法である多因子分析（MFA）を実行しました。これらの分析はXLSTAT®2015で実施されました。MFAが実行され、カリフォルニア大学デービス校のパネリストと業界グループの間に有意差がないことが示されました。 RV係数が0.70より大きいため、これはわかっていました。つまり、2つのグループは関連しており、同じ母集団からのものでした。このことを念頭に置いて、72人のパネリストと業界の参加者の1つの母集団に基づいて、フレーバー属性間の関係の評価を進めることができます。
類似性マトリックスを使用して、データに対して凝集型階層的クラスター（AHC）分析を実行しました。 AHCは、類似性基準に基づいて、属性をさまざまなレベルのさまざまなカテゴリとサブカテゴリにグループ化します。 AHCクラスタリングは通常、樹状図の形で視覚化されます。この典型的な例は、樹状図で見慣れている種の分類または遺伝的つながりです。集約的階層的クラスタリングは、単一の「クラスター」内のすべてのオブジェクトから始まります。重み付けされていないペアグループの平均リンケージ凝集法を実行して、属性を一度に1ペアずつ、下（最も類似）から上（最も類似）にリンクしました。連続する各反復（リンケージ）では、すべてのデータが1つの大きなカテゴリの一部になるまで、指定された類似性基準を満たすことにより、オブジェクトの最も近いペア（個人またはグループの平均）を集約（マージ）します。樹状図では、これらの各リンケージは水平線で表されます。樹状図のy軸は、マージされたクラスターの特定の類似性（0〜72）を表します。メインクラスの数は、ユーザーが指定することも、ソフトウェアが決定することもできます。この場合、メインクラスの数は元々XLSTAT®2015ソフトウェアによって4で示されていましたが、これはフレーバーホイールには不十分であり、多数の属性を明確に分離していませんでした。データを観察した後、直感性を維持しながら99の属性を統計的に明確に分離するメインクラスの最適な数であると判断されたため、9つのクラスが指定されました。
並べ替えタスクからのデータを分析するための最も一般的なアプローチは、多次元尺度構成法（MDS）です（Lawless and others1995）。フレーバー属性間の関係の2次元表現を取得するために、類似性マトリックスに対してMDSが実行されました。このMDS分析は、72人の参加者すべてのデータ（完全な類似性マトリックスから）を使用して実行され、属性が互いに近接している場所を確認するための視覚的な補助を作成しました。具体的には、非メトリック（通常）MDSが実行されました。つまり、類似性マトリックスに対して計算された「距離」の順序（クラスカルのストレス値を使用）が、表現空間（プロット）内の距離の順序/ランク付けと一致しました。これは、AHCデータを補足し、フレーバーホイールの円形の周りのメインクラス（クラスター）の順序をガイドするために行われました。すべての分析はXLSTAT®2015で完了しました。
結果
すべての参加者を合わせて、AHCは9つの主要なクラスで切り捨てられました（図2を参照）。 72人の参加者全員のコンパイルされたデータのMDSプロットを図3に示します。これにより、フレーバーホイールの主な推奨フレーバーカテゴリと階層が導き出されました。ただし、樹状図が行わないのは、水平リンケージ（またはより大きなグループ）に名前を付けることであるため、9つの主要なクラスの特定の「傘」という用語が必要でした。
図2.属性ソート結果のAHC分析の結果を表す樹状図。
図3.2次元の5D-MDSプロット。
ホイールの設計
ホイールの開発には、定性的なアプローチも必要でした。事実は、統計結果を解釈する必要があるということです。これが、樹状図とMDSプロットからホイールへの移行方法です。ご覧のとおり、これを達成するための完全に正確な方法はありません。解釈は人間の運動です。幸いなことに、カリフォルニア大学デービス校、WCR、SCAA、KSUの感覚科学者など、多くの賢い人間を自由に使うことができました。結果が終了した後、ホイールの可能な反復を調べるために何時間も費やしました。私たちは、4対3層のホイールのメリットを詩的に表現しました。樹状図と、関係をペアにグループ化する際の固有の課題について検討しました。全体的な（内輪）フレーバーカテゴリについてWCRとKSUに同意するために協力する必要がありました。そしてそれは私たちがしたことです。
ホイールにフィットするテンプレートを作成するために、樹状図を使用して、主要なフレーバーカテゴリごとにチャートを作成しました（例については、以下の図4、5、6、および7を参照してください）。次に、MDSに戻り、すべての結果をグループ化して個別に比較し、9つのフレーバークラスのそれぞれを、相互の関係の観点から循環的に評価しました。これは、ホイールのどのセグメントが隣接するかを知るのに役立ちました。したがって、ホイールは、9つの主要なフレーバーカテゴリ間の関係を示すだけでなく、ホイール上の3番目のリングの順序と配置に至るまでの個々の属性間の関係を示すように設計されました。 MDSプロットで互いに近いカテゴリは（72人の参加者に基づいて）類似していると認識されたため、通常、新しいホイールでは互いに近い位置にあります。たとえば、フルーティーな中で、柑橘系の果物はMDSプロットの酸っぱい属性と密接に関連していることがよく見られたため、ホイールのこれらのセクションは隣接しています。
樹状図の上部にあるより広いカテゴリ（たとえば、「甘い」または「フルーティー」）を含む一般的な単語は、KSUの科学者およびパネリストの推奨に基づいて辞書から抽出されました。場合によっては、2つのレキシコン用語をカテゴリ見出しとしてまとめる必要がありました。その場合、スラッシュ（/）を使用して2つの用語を区別しました。 WCR感覚レキシコンとこのプロジェクトが同時に完了していたため、いくつかの用語が移動、名前変更、またはレキシコンに追加されたため、最終的な構成を作成するためのフレーバーホイールが作成されました。新しいCoffeeTasterのフレーバーホイールの最後の反復については、図8（下）を参照してください。
図4.Nutty / Cocoaフレーバーカテゴリの樹状図の解釈の例。色付きの円は、グラフ化された階層のレベルと一致するクラスターを示しています。
図5.フローラルフレーバーカテゴリの樹状図の解釈の例。色付きの円は、グラフ化された階層のレベルと一致するクラスターを示しています。
図6.フルーティーフレーバーカテゴリの樹状図の解釈の例。色付きの円は、グラフ化された階層のレベルと一致するクラスターを示しています。
図7.スイートフレーバーカテゴリの樹状図の解釈の例。色付きの円は、グラフ化された階層のレベルと一致するクラスターを示しています。
結論として
このプロジェクトの最終的な目標は、一般的な用語であれ、より詳細な用語であれ、コーヒーを説明する単語の選択を簡素化するように、特定のコーヒーフレーバー属性を並べ替えることでした。これらの並べ替え方法を使用して開発されたカテゴリとサブカテゴリは、新しいコーヒーフレーバーホイールを作成するために使用されました。 AHC分析は階層を提供し、MDSは主要なフレーバーカテゴリをフレーバーホイールの周りにどのように配置するかを視覚的に表現しました。フレーバーホイールの学生であれば、WCR Sensory Lexiconと他のホイールとの新しいフレーバーホイールの間には、さまざまな製品を説明する多くの共通点があることに気付くかもしれません。前述の元のワインホイールには、スパイス、フルーティー、フローラル、植物、ナッツなど、新しいホイールと同じメインフレーバーカテゴリが多数あります（Noble and others1984）。これは、ワインとコーヒーが多くの類似点を共有しているからではありません。むしろ、それは 私たちが実際に記録して定量化しているのは、人間の感覚体験です。道具としての人間は、食べ物や飲み物の知覚に多くの類似点を見出しています。私たちはその経験を捉えているだけです。
要約すると、CoffeeTasterのフレーバーホイールの改訂版を作成しました。私たちは、コーヒーカップや業界に適したホイールを作りました。これは、説明的なパネリストのトレーニングや製品開発者にも役立ちます。おそらく最も重要なことは、それは顧客や消費者とのコミュニケーションのための確かなツールです。これは、記述的パネリスト、感覚科学者、業界、WCR、SCAA、およびカリフォルニア大学デービス校の間の真のコラボレーションを表しています。それは、感覚科学の方法と分析の最前線での問題解決への創造的かつ協調的なアプローチの産物です。この記事の最後の段落に到達したすべての人が絶対にプロセスの一部であったため、私たちは皆、この作業に貢献したことを誇りに思うことができます。私たちはあなたのためにこのツールを作成しました。あなたはそれにインスピレーションを与えました。使用し、共有し、成長するのはあなた次第です。このようにして、完全に改訂されたSCAAコーヒーテイスターのフレーバーホイールを作成しました。
車輪を再発明する方法：科学と産業の物語
