Вступление

Научная история нового колеса вкуса SCAA Coffee Taster весьма увлекательна. Этот рассказ включает звездный состав персонажей, в том числе World Coffee Research (WCR), Государственный университет Канзаса (KSU), Техасский университет A&M (TX A&M), Калифорнийский университет в Дэвисе (UC Davis), а также ключевых членов и волонтеров SCAA. В нем освещается исследование, в котором SCAA определила необходимость, впервые и истолковала его, результатом чего стал долгожданный пересмотр колеса вкуса, который мы все знали и любили на протяжении более двух десятилетий. SCAA стремится к своим членам - и к развитию всей отрасли - применять все более основанный на данных и научный подход, что привело нас к поиску решения, которое выдержало бы испытание временем и основывалось на надежных научных исследованиях. . Мы очень довольны результатом и надеемся, что вы также воспользуетесь этим ценным новым ресурсом с таким же энтузиазмом.

Что такое колесо вкуса?

Колесо вкуса составлено из слов, расположенных по кругу. Почему бы нам не использовать дерево вкусов, пирамиду вкусов или приключение по выбору вкуса? Похоже, это связано с первым колесом вкуса, разработанным в конце 1970-х годов для пива химиком доктором Мортеном К. Мейльгаардом (Meilgaard и др., 1979). В середине 1980-х за вином последовала Энн К. Нобл из Калифорнийского университета в Дэвисе (Noble и др., 1987; Noble и др., 1984). Затем этому примеру последовали многие другие отрасли, в том числе наша. Слова, используемые в колесах, служат для создания словаря вокруг продукта или категории продуктов, стандартизации обучения и облегчения общей дискуссии о вкусе и восприятии. Колеса обеспечивают четкую и общую коммуникацию о продуктах между дегустаторами, предприятиями, экспортерами и импортерами, а также потребителями, и это лишь некоторые из них.

Чтобы создать колесо вкуса, нужны слова и их нужно расположить. Оказывается, есть много способов сделать это. Многие существующие колеса не включают в себя научные исследования как часть их разработки. Некоторые из них основаны на консенсусе представителей отрасли или торговой группы, а другие создаются отдельными людьми. Оригинальное колесо SCAA было создано с использованием чего-то из этих методов. Несколько лет назад для SCAA было бы очень легко пересмотреть колесо с помощью специального специального комитета. В конце концов, это соответствует происхождению нашего колеса и является тем, как многие другие продолжают создаваться. Основываясь на моих исследованиях по этой теме за последние пару лет, кажется, что кофейная индустрия была довольно уникальной в том, что искренне и повсеместно использовала одно колесо, что позволило нам проделать большую значительную работу по повышению качества кофе. Возможно, это связано с тем, что оригинальное колесо SCAA, созданное Тедом Линглом, появилось в 1995 году - относительно рано в сфере производства специальных колес для еды и напитков. Огромная заслуга за это Теду. В своем исследовании этой темы я обнаружил очень мало других колес, основанных на научных исследованиях. Некоторые примечательные колеса также произошли от сенсорной лексики (Лоулесс и другие, 2012; Нобл и другие, 1987; Кох и другие, 2012; Суффет и другие, 1999; Гавел и другие, 2000). Однако ни одно другое колесо не использовало подход, который мы подробно рассмотрим ниже, и поэтому мы провели новаторские исследования.

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, как его можно использовать для продвижения исследований кофе. 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 .

Исходя из этого, вы знаете, что сенсорный описательный анализ - это мощный инструмент, который предоставляет словесные описания продуктов и количественную основу для сравнения сенсорных сходств и различий продуктов (Meilgaard and others 2007; Stone and others 2012). Сегодня это один из самых мощных, количественных, сложных и широко используемых методов сенсорной науки. Описание сенсорных характеристик продукта позволяет принимать обоснованные бизнес-решения, направлять разработку продукта, позволяет проводить сравнительный анализ, контролировать качество и отслеживать изменения продукта с течением времени. Это также ценно с точки зрения академических исследований, где позволяет установить корреляцию с аналитическими измерениями, что позволяет лучше понять механизмы, лежащие в основе аромата. Создание словаря - это первый шаг в этом процессе (Lawless and Civille, 2013). Использование этого метода для исследования позволит нам связать определенные переменные с конкретными изменениями вкуса (т. Е. Установить причинно-следственную связь). Для меня это означает, что мы, наконец, сможем приступить к рассмотрению некоторых основных догм кофейной индустрии, касающихся того, почему кофе имеет такой вкус. Это захватывающий прогресс.

Поняв силу и потенциал сенсорного лексикона WCR, мы поняли, что хотим принять и продвигать его как ассоциацию. Аспекты лексики могут и должны быть немедленно приняты промышленностью, включая словарный запас, определения и базовое использование стандартных ссылок для калибровки дегустаторов кофе. Таким образом, SCAA увидела прекрасную возможность пересмотреть колесо вкуса дегустатора кофе. Сила исследования WCR ясно показала, что критически важно адаптировать колесо вкуса SCAA, чтобы оно было совместимо с лексиконом и принесло новый инструмент в кофейную промышленность. По мере завершения работы над Сенсорным лексиконом WCR у нас были слова, описывающие атрибуты вкуса. Чего у нас не было, так это информации о том, как расположить слова вокруг колеса. Даже в рамках разработки лексики перечисление атрибутов по категориям обычно основывается на мнении группы и, согласно обзору этого процесса, не является строгой и важной частью развития лексики (Lawless and Civille 2013). Эта информация оставила у нас много вопросов. В конце концов, мы не хотели брать самый научно обоснованный ресурс по вкусу кофе и злоупотреблять им или просто решать за закрытыми дверями, как следует размещать слова. Мы хотели найти способ относиться к расположению лексикона с тем же уважением, усердием и научностью, что и при создании лексикона. Таким образом, мы начали поиски границ сенсорной науки. Правильно - смело идти туда, куда еще никто не ходил.

На самом деле сенсорная наука - очень молодая и быстро развивающаяся дисциплина. Из моего собственного исследования во время прохождения UC Davis Я узнал, что эта область, кажется, развивается так же быстро, как и мир технологий, и это не случайно. Количество инструментов сбора данных, программного обеспечения и методов анализа, доступных ученым, растет в геометрической прогрессии по мере того, как технологии, статистика и управление информацией используются более эффективными способами. SCAA нуждался в партнере по исследованию, который был готов мыслить творчески и проводить основательные исследования, чтобы помочь нам понять, как лексикон должен быть организован с точки зрения уровней / уровней, а также размещения. Учитывая всемирно известную репутацию исследований в области сенсорной науки, проводимых в Калифорнийском университете в Дэвисе, и наши постоянные отношения с кофейной инициативой в кампусе, мы обратились в отдел науки и технологий в области пищевых продуктов, чтобы узнать, могут ли какие-либо лаборатории сенсорной науки работать над этим проектом. Доктор Жан-Ксавье Гинар и его кандидат наук Молли Спенсер приняли вызов.

Исследование лексической сортировки Калифорнийского университета в Дэвисе

После некоторых дискуссий с Молли и доктором Жаном-Ксавье Гинаром стало ясно, что никакой ранее существовавший метод сенсорной науки «резак для печенья» не будет немедленно подходящим или осуществимым для того, чего мы хотели достичь. Итак, доктор Гуинар и Молли приступили к работе, изучая другие опубликованные исследования, проводя предварительные исследования и находя решения для нашего очень конкретного вопроса. Они определили, что модифицированный метод свободной множественной сортировки может быть использован для понимания ассоциаций и отношений между атрибутами вкуса лексики. Таким образом, мы могли понять, как отрасль рассматривает эти термины, а также как высококвалифицированные специалисты по сенсорному описанию группируют эти атрибуты лексики. Для количественной оценки иерархической группировки исследователи из Калифорнийского университета в Дэвисе создали онлайн-программу для удаленного использования участниками, которая отображала бы все случаи, когда были связаны атрибуты лексики. В конце концов, мы бы поняли, какими должны быть основные категории вкусов (или уровни / уровни колеса), а также какие категории вкусов демонстрируют отношения, которые указывают на то, что они могут быть расположены рядом друг с другом вокруг колеса.

Упражнение по сортировке

Сортировка - это метод классификации. В конце концов, разделение групп вещей на категории - одна из самых распространенных операций в человеческом мышлении (Coxon 1999). Процедура свободной сортировки изначально создавалась также как сортировка слов (Steinberg 1967), но позже была принята для сенсорного анализа (Lawless and others 1995). В нашем текущем проекте, хотя мы основывали сортируемые переменные (атрибуты) на сенсорной оценке (дегустации) кофе, упражнение по сортировке касалось только словарного запаса и не включало дегустацию. Таким образом, наше упражнение по сортировке было основано на опыте участников.

В методе свободной множественной сортировки (FMS) оценщиков традиционно просят отсортировать продукты питания или другие образцы продуктов на несколько групп таким образом, чтобы это имело смысл для них как отдельных лиц. Они сортируют образцы по выбранному предметом количеству групп / категорий (Coxon 1999; Dehlholm and others 2012). При выполнении задания оценщику разрешается производить дополнительную сортировку того же набора образцов, пока он не почувствует, что охватывает все возможности сортировки (Steinberg 1967). Для нашего исследования мы изменили метод таким образом, что вместо сортировки самих образцов продуктов питания участников дискуссии попросили отсортировать атрибуты (с определениями) по категориям и подкатегориям, а задача сортировки выполнялась только один раз для каждого члена комиссии. Кроме того, участники дискуссии должны были отсортировать атрибуты по категориям и подкатегориям в иерархическом порядке, пока они не почувствовали, что больше нет подкатегорий для сортировки. Дружественный к пользователю веб-интерфейс (см. Рисунок 1) был создан, чтобы обеспечить простую и эффективную сортировку 99 атрибутов. Затем пользователь увидит инструкции и список атрибутов, каждый с информационным пузырем справа и всплывающим окном с прокруткой, включая определение / описание этого атрибута, как определено KSU и TX A&M. Если участник дискуссии не понимал значения одного из слов лексики, он мог пролистать информационный пузырь, чтобы получить доступ к определению. Участник мог перетаскивать атрибуты в категории и подкатегории для любого количества иерархических уровней, которое они считали необходимым.

Из-за большого количества сортируемых атрибутов, большого количества экспертов по сравнению с большинством сенсорных описательных методов (72 участника) и конечной цели этого эксперимента (колесо вкусов) было определено, что каждый член группы заполняет только задача сортировки один раз. Этот метод был изменен по сравнению с типичным методом FMS, в котором небольшое количество описательных членов группы (8-15) может каждый раз выполнять одну и ту же задачу сортировки одного и того же набора образцов несколько раз, пока они не почувствуют, что исчерпали возможности сортировки. Многократная сортировка вызвала бы усталость у участников дискуссии с 99 элементами, которые нужно было отсортировать, и необходимо было учитывать как сенсорную экспертизу, так и экспертизу кофейной индустрии, поэтому в интересах нового вкусового колеса было разместить большую группу участников для включать вклад, опыт и знания из обеих областей. После того, как сортировка была завершена, мы сосредоточились на трех статистических анализах, чтобы помочь нам понять результаты.

Рисунок 1. Пример пользовательского интерфейса для завершенной задачи сортировки по 9 (из 99 возможных) атрибутов.

У нас было две исследовательские группы, которые в конечном итоге смогли быть сгруппированы в одну популяцию post hoc на основе результатов. Первая группа состояла из 29 обученных, опытных сенсорных экспертов, которые работали над шоколадом и вином в Калифорнийском университете в Дэвисе. От этих экспертов не требовалось специального обучения кофе, но все они участвовали в сенсорных исследованиях, работали с большинством вкусовых атрибутов из списка кофе и подвергались их воздействию. Им были отправлены письменные инструкции для выполнения бесплатной задачи множественной сортировки в Интернете удаленно и индивидуально со своих персональных компьютеров.

Чтобы убедиться, что результаты точно отражают потребности отрасли, мы знали, что должны пригласить специалистов по кофе для участия в этом исследовании и создания данных. SCAA пригласило сотни наших самых близких и самых близких профессионалов в области кофе для участия в этой работе, в том числе наши правления, комитеты и советы, профильных экспертов и инструкторов SCAA, аффилированные лица и заинтересованные стороны WCR, инструкторов Q, коллег из CQI и ACE и других лидеров отрасли. . В итоге 43 судьи, привлеченные SCAA из кофейной индустрии, выполнили ту же онлайн-процедуру, что и члены комиссии UC Davis.

Анализ

Смысл этой работы состоял в том, чтобы понять, насколько тесно связаны вкусовые характеристики, по оценке группы экспертов-сенсоров и представителей кофейной индустрии. Для организации необработанных данных на языке программирования Ruby была написана программа, переводящая данные сортировки в матрицы, которые можно было использовать для анализа. Для обоих методов, описанных ниже, первые две двоичные матрицы были созданы для каждого участника (1, если связь существовала, 0, если связь не существовала), одна матрица для отношений «брат-сестра», в которой атрибуты появлялись в та же подкатегория и одна матрица для отношений «родитель-потомок», в которой один атрибут фигурирует в подкатегории под другим атрибутом. Поэтому такие отношения были нашим критерием сходства. См. Пример в Таблице 1. Из всех собранных индивидуальных данных сортировки для 72 участников была составлена симметричная матрица близости (сходства) с суммами подсчетов того, сколько раз атрибуты встречаются вместе в «родственных» отношениях или «родитель-дочерних» отношениях. Эта матрица сходства затем использовалась для выполнения следующих анализов.

Таблица 1. Пример выдержки из матрицы сходства для одного участника исследования с выделением 7 атрибутов.

Во-первых, нам нужно было сравнить две исследовательские группы (участники дискуссии и промышленность). Мы хотели знать, организовали ли обученные эксперты лексикон иначе, чем наша отраслевая группа. Мы знали, что любой результат будет интересен по-своему, но предположили, что группы будут иметь разные результаты в зависимости от их разного опыта и подготовки. Для этого были использованы две матрицы сходства, одна для участников дискуссии UCD и одна для отраслевых участников, для проведения двух отдельных анализов 5-мерного многомерного масштабирования (5D-MDS). Результаты анализа 5D-MDS были использованы для проведения многофакторного анализа (MFA), метода сравнения двух наборов данных. Эти анализы проводились в XLSTAT® 2015. MFA был проведен и показал, что не было значительных различий между участниками панели UC Davis и отраслевой группой. Мы знали это, потому что RV-коэффициенты были больше 0,70, что означало, что две группы были связаны и происходили из одной и той же популяции. Имея это в виду, мы могли бы продолжить оценку взаимосвязи между атрибутами вкуса на основе одной популяции из 72 экспертов и участников отрасли.

Агломеративный иерархический кластерный анализ (AHC) был выполнен на данных с использованием матрицы сходства. AHC группирует атрибуты в разные категории и подкатегории на разных уровнях на основе критериев сходства. Кластеризация AHC обычно визуализируется в виде дендрограммы. Классическим примером этого является таксономия видов или генетические связи, которые мы привыкли видеть на дендрограммах. Агломеративная иерархическая кластеризация начинается с каждого отдельного объекта в одном «кластере». Метод агломерации средневзвешенных пар групповых связей был выполнен для того, чтобы снова связать атрибуты вместе, по одной паре за раз, от нижнего (наиболее близкого) к верхнему (наименее похожего). В каждой последующей итерации (связывании) он агломерирует (объединяет) ближайшую пару объектов (индивидуум или среднее значение по группе), удовлетворяя указанным критериям сходства, до тех пор, пока все данные не станут частью одной большой категории. На дендрограмме каждая из этих связей представлена горизонтальной линией. Ось Y дендрограммы представляет собой удельное сходство (от 0 до 72) кластеров, которые были объединены. Количество основных классов может быть указано пользователем или определено программой. В этом случае количество основных классов было первоначально указано программой XLSTAT® 2015 как четыре, но этого было недостаточно для колеса вкусов и не было достаточно четкого разделения большого количества атрибутов. После наблюдения за данными было определено девять классов, так как это было определено как оптимальное количество основных классов, которые статистически четко разделяют 99 атрибутов, сохраняя при этом интуитивность.

Наиболее распространенным подходом к анализу данных из задач сортировки является многомерное масштабирование (MDS) (Lawless and others 1995). MDS проводился на матрице подобия, чтобы получить двумерное представление взаимосвязи между атрибутами вкуса. Этот MDS-анализ также был выполнен с использованием данных всех 72 участников (из полной матрицы сходства) для создания наглядного пособия, позволяющего увидеть, где атрибуты находятся в непосредственной близости друг от друга. В частности, была выполнена неметрическая (порядковая) MDS, означающая, что порядок «расстояний» (с использованием значений напряжения Крускала), вычисленных для матрицы сходства, соответствовал порядку / ранжированию расстояний в пространстве представления (графике). Это было сделано, чтобы дополнить данные AHC и направить порядок основных классов (кластеров) вокруг круговой формы колеса аромата. Все анализы были выполнены в XLSTAT® 2015.

Результаты, достижения

Для всех участников вместе AHC была усечена до девяти основных классов (см. Рисунок 2). График MDS для скомпилированных данных всех 72 участников показан на рисунке 3. Это привело к основным предлагаемым категориям вкусов и иерархии для колеса вкусов. Однако дендрограмма не называет горизонтальные связи (или более крупные группы), и, таким образом, потребовались определенные «зонтичные» термины для 9 основных классов.

Рисунок 2. Дендрограмма, представляющая результаты анализа AHC результатов сортировки по атрибутам.

Рисунок 3. Двумерный график 5D-MDS.

Дизайн колеса

Разработка колеса также потребовала качественного подхода. Дело в том, что любой статистический результат необходимо интерпретировать. Вот как мы перешли от дендрограммы и графика MDS к колесу. Как видите, полностью точного способа добиться этого не существует. Устный перевод - это человеческое упражнение. К счастью, в нашем распоряжении было много умных людей, в том числе из Калифорнийского университета в Дэвисе, WCR, SCAA и сенсорных ученых из КГУ. После того, как наши результаты были закончены, мы потратили много часов на изучение возможных итераций колеса. Мы поэтично подчеркивали достоинства четырехъярусного колеса по сравнению с трехуровневым. Мы рассмотрели дендрограмму и неотъемлемые проблемы группировки отношений в пары. Нам пришлось работать вместе, чтобы согласовать с WCR и KSU общие категории вкусов (внутреннее кольцо). Так мы и поступили.

Чтобы создать шаблон, который подходил бы для колеса, мы использовали дендрограмму для создания диаграммы для каждой из основных категорий вкусов (см. Примеры на рисунках 4, 5, 6 и 7 ниже). Затем мы вернулись к MDS и сравнили все результаты, сгруппированные и индивидуально, для оценки каждого из 9 классов вкусов с точки зрения их соотношения друг с другом, циклически. Это помогло нам определить, какие сегменты колеса будут смежными. Таким образом, колесо было разработано не только для того, чтобы показать взаимосвязи между 9 основными категориями вкусов, но и для демонстрации взаимосвязей между отдельными атрибутами, вплоть до порядка и размещения третьего кольца на колесе. Категории, которые находятся рядом друг с другом на графике MDS, были восприняты как похожие (на основе 72 участников) и, следовательно, обычно расположены рядом друг с другом на новом колесе. Например, в составе фруктовых фруктов цитрусовые часто были тесно связаны с атрибутами кислого на графике MDS, и поэтому эти участки колеса являются смежными.

Общие слова, которые охватывают более широкие категории в верхней части дендрограммы (например, «сладкий» или «фруктовый»), были взяты из лексикона на основании рекомендации ученых и участников группы KSU. В некоторых случаях необходимо было объединить два термина из лексики в заголовок категории, и в этих случаях для различения этих двух терминов использовалась косая черта (/). В связи с тем, что сенсорный лексикон WCR и этот проект завершались одновременно, несколько терминов были перемещены, переименованы или добавлены в лексикон и, следовательно, колесо вкуса, чтобы создать окончательную организацию. На Рисунке 8 (ниже) показана последняя итерация колеса вкуса нового дегустатора кофе.

Рисунок 4. Пример интерпретации дендрограммы в категории вкусов орехов / какао, с цветными кружками, указывающими совпадающие кластеры с уровнями на диаграмме иерархии.

Рисунок 5. Пример интерпретации дендрограммы в категории «Цветочный аромат» с цветными кружками, обозначающими совпадающие кластеры с уровнями на диаграмме иерархии.

Рисунок 6. Пример интерпретации дендрограммы в категории «Фруктовый вкус» с цветными кружками, обозначающими совпадающие кластеры с уровнями на диаграмме иерархии.

Рисунок 7. Пример интерпретации дендрограммы в категории «Сладкий вкус» с цветными кружками, обозначающими совпадающие кластеры с уровнями на диаграмме иерархии.

В заключение

Конечной целью этого проекта было отсортировать данные атрибуты вкуса кофе таким образом, чтобы упростить выбор слов, описывающих кофе, будь то общие или более подробные термины. Категории и подкатегории, разработанные с использованием этих методов сортировки, были использованы для создания нового колеса вкуса кофе. Анализ AHC предоставил иерархию, а MDS предоставил визуальное представление о том, как основные категории вкусов должны быть расположены вокруг колеса вкусов. Если вы изучаете вкусовые колеса, вы можете заметить, что между Сенсорным лексиконом WCR и новым колесом вкусов, описывающих разные продукты, есть много общего. Первоначальное винное колесо, упомянутое ранее, имеет многие из тех же основных категорий вкусов, что и наше новое колесо, включая пряный, фруктовый, цветочный, растительный и ореховый (Noble and others 1984). Это не потому, что вино и кофе имеют множество общих черт, на которых следует остановиться. Скорее потому, что то, что мы на самом деле записываем и количественно оцениваем, - это чувственный опыт человека. Люди как инструменты находят много общего в восприятии еды и напитков - мы просто фиксируем опыт.

Таким образом, мы создали новую версию Колеса вкуса дегустатора кофе. Мы создали колесо, подходящее для кофейных кружек и промышленности, которое также полезно для описательного обучения участников дискуссии и разработчиков продуктов. Возможно, самое главное, это надежный инструмент для общения с клиентами и потребителями. Он представляет собой настоящее сотрудничество между участниками описательной группы, сенсологами, промышленностью, WCR, SCAA и Калифорнийским университетом в Дэвисе. Это продукт творческого и совместного подхода к решению проблем на переднем крае методов сенсорной науки и анализа. Мы все можем гордиться тем, что внесли свой вклад в эту работу, потому что каждый человек, дошедший до заключительных абзацев этой статьи, безусловно, был частью процесса. Мы создали этот инструмент для вас. Вы вдохновили это. Это ваше право использовать, делиться и расти вместе. Таким образом, мы создали полностью переработанное колесо вкуса SCAA Coffee Taster.

Как заново изобрести колесо: история науки и промышленности

Источник: Как заново изобрести колесо: история науки и промышленности | Хроники спешиэлти кофе