食品伙伴網(wǎng)服務(wù)號(hào)

感官評(píng)價(jià)16:中心點(diǎn)剖面法(Pivot Profile)

放大字體  縮小字體 發(fā)布日期:2024-09-13
核心提示:中心點(diǎn)剖面法,簡(jiǎn)稱“PP法”,最早由Thuillier等人提出,是一種自由描述與頻次統(tǒng)計(jì)相結(jié)合的感官剖面方法,它允許以被測(cè)樣品提供順
中心點(diǎn)剖面法,簡(jiǎn)稱“PP法”,最早由Thuillier等人提出,是一種自由描述與頻次統(tǒng)計(jì)相結(jié)合的感官剖面方法,它允許以被測(cè)樣品提供順序的方式記錄參與者(評(píng)價(jià)員或消費(fèi)者)對(duì)被測(cè)樣品自由表達(dá)的描述詞。
PP法中獲取描述詞的策略是通過(guò)自由描述來(lái)收集兩個(gè)樣品之間有強(qiáng)度差異的感官特性:一個(gè)目標(biāo)/被測(cè)樣品和一個(gè)Pivot樣品(P樣品:作為對(duì)比的樣品,即中心點(diǎn)樣品)。參與者品評(píng)這一對(duì)樣品,并在回答表中寫(xiě)出在被測(cè)樣品中感知到的與中心樣品相比,強(qiáng)度偏低/弱和偏高/強(qiáng)的所有感官屬性。重復(fù)此過(guò)程,得到所有被測(cè)樣品所有的描述詞(除了與中心樣品相同強(qiáng)度的感官屬性),并通過(guò)數(shù)據(jù)分析(如對(duì)應(yīng)分析,CorrespondenceAnalysis,CA)得到被測(cè)樣品集的差異情況、感官品質(zhì)差異方向與差異程度。

一、PP法關(guān)鍵技術(shù)點(diǎn)
PP法的關(guān)鍵技術(shù)和特點(diǎn)可歸納為“1中心2人群4步驟3應(yīng)用”!1中心”指的是Pivot樣品(以下簡(jiǎn)稱P樣品),將其作為參比,依次與待測(cè)樣品對(duì)比評(píng)價(jià)并自由描述二者感官品質(zhì)差異;“2人群”指的是評(píng)價(jià)員與消費(fèi)者,PP法適用于兩類人群對(duì)樣品集的描述與區(qū)分;“4步驟”指的是文本分析、屬性強(qiáng)度估計(jì)、屬性強(qiáng)度翻譯和對(duì)應(yīng)分析,涵蓋了感官實(shí)驗(yàn)結(jié)束后數(shù)據(jù)收集與統(tǒng)計(jì)分析的全過(guò)程;“3應(yīng)用”指的是PP法可用于對(duì)產(chǎn)品特征描述、屬性強(qiáng)度估計(jì)和感官差異區(qū)分等。
PP法的核心思路是基于參與人員(評(píng)價(jià)小組/消費(fèi)者群體)對(duì)待測(cè)樣品與P樣品感知差異,將弱/強(qiáng)于P樣品的屬性自由描述,統(tǒng)計(jì)某樣品某屬性被提及的頻次,進(jìn)而轉(zhuǎn)化為某樣品某屬性的數(shù)據(jù)(得分),可視化后再進(jìn)行解釋與分析。PP法技術(shù)實(shí)施示意如圖1所示。

01樣品選擇
PP法的樣品構(gòu)成包括被測(cè)樣品集和P樣品。作為一種快速感官分析方法,其目的是在較短時(shí)間內(nèi)獲取一定數(shù)量樣品的感官品質(zhì)特征及其內(nèi)部感官差異程度,故其樣品集的數(shù)量一般為3個(gè)以上,樣品選擇時(shí)一般考慮價(jià)格、地域、品質(zhì)等因素。PP法也可以用于少量樣品的感官分析,但強(qiáng)度估計(jì)后的可視化形式可能有所差異,如果僅評(píng)價(jià)1個(gè)樣品,以雷達(dá)圖等形式呈現(xiàn)其感官特點(diǎn)更為直觀,如果評(píng)價(jià)2個(gè)樣品,CA分析在一維空間(一條線)即可實(shí)現(xiàn)。確定樣品集后,應(yīng)對(duì)待測(cè)樣品進(jìn)行三位隨機(jī)編碼命名,并結(jié)合待測(cè)樣品品質(zhì)、評(píng)價(jià)所需時(shí)間與評(píng)價(jià)人員感官疲勞等因素進(jìn)行樣品平衡與輪次設(shè)計(jì)。Thuillier等人曾提出P樣品的三種確定方式:
(1)選擇涵蓋樣品集感官屬性較多且程度較適中的一個(gè)產(chǎn)品作為P樣品;
(2)混合樣品集的產(chǎn)品,創(chuàng)造出一個(gè)P樣品;
(3)依次將樣品集的產(chǎn)品作為P樣品。
一般認(rèn)為樣品集異質(zhì)性越高,對(duì)集內(nèi)樣品區(qū)分越簡(jiǎn)單。Lelièvre-Desmas等人使用不同的P樣品比較了3組不同感覺(jué)相似度的啤酒樣品集,發(fā)現(xiàn)實(shí)驗(yàn)結(jié)果受到集內(nèi)相似性的影響而非P樣品選擇的影響,使用混合樣品集產(chǎn)品構(gòu)成P樣品的想法可能更適合于同構(gòu)集,而非異構(gòu)集。此時(shí)P樣品和樣品集各樣品相似性較高,評(píng)價(jià)員對(duì)于待測(cè)樣品與P樣品的差異描述更為精細(xì)。他們提出,PP法更適合于受限的產(chǎn)品空間,并且當(dāng)產(chǎn)品類型允許時(shí),創(chuàng)建一個(gè)P樣品作為“中心點(diǎn)”是一個(gè)較好的選擇。

02參與人員
PP法所適用的評(píng)價(jià)人員類型和數(shù)量一直是相關(guān)研究人員關(guān)于該方法所討論的熱點(diǎn)之一。在Thuillier等人開(kāi)發(fā)PP法之時(shí),曾建議采用消費(fèi)者作為參與者時(shí),50-100人為宜;采用評(píng)價(jià)員作為評(píng)價(jià)小組時(shí),至少需要12人,而最少人數(shù)仍待研究。
Fonseca等人曾邀請(qǐng)103名消費(fèi)者對(duì)6個(gè)商業(yè)巧克力冰淇淋樣品進(jìn)行感官評(píng)價(jià),研究PP法在傳統(tǒng)、清淡和輕食巧克力冰淇淋感官表征中的應(yīng)用。

03實(shí)驗(yàn)過(guò)程
PP實(shí)驗(yàn)需要在標(biāo)準(zhǔn)化的感官實(shí)驗(yàn)室中進(jìn)行,應(yīng)保證溫度、相對(duì)濕度和噪聲可控,光線充足,無(wú)氣味,通風(fēng)良好,具備獨(dú)立評(píng)價(jià)小間以在評(píng)價(jià)過(guò)程中減少干擾和避免評(píng)價(jià)人員相互交流。評(píng)價(jià)人員在實(shí)驗(yàn)前需避免使用帶有香味的化妝品。
PP法的評(píng)價(jià)流程主要有兩步:首先,小組成員將每個(gè)待測(cè)樣品與P樣品進(jìn)行感官評(píng)價(jià),感知待測(cè)樣品與P樣品相比強(qiáng)度較高或較低的所有感官屬性。其次,將這些感官屬性分別填寫(xiě)至回答表的對(duì)應(yīng)位置中(見(jiàn)圖2)。P樣品與待測(cè)樣品提供方式有兩種:(1)成對(duì)提供;(2)非成對(duì)提供,P樣品與每一輪次所有待測(cè)樣品一起提供。在回答表中填寫(xiě)強(qiáng)度高/低于P樣品的屬性時(shí)需要注意:(1)只使用描述詞匯,而不使用任何句子;(2)禁止使用否定詞,請(qǐng)使用反義詞;(3)不使用程度詞。
2..

04數(shù)據(jù)收集與統(tǒng)計(jì)分析
PP法的數(shù)據(jù)處理有兩個(gè)階段:第一階段是文本統(tǒng)計(jì)分析,這一步可以收集大量產(chǎn)品感官描述詞。第二階段是屬性強(qiáng)度估計(jì),得到各樣品的感官屬性強(qiáng)度后,采用對(duì)應(yīng)分析(CA)進(jìn)行各維度的分析。
文本統(tǒng)計(jì)分析 將評(píng)價(jià)人員在回答表中報(bào)告的所有描述詞輸入Excel之中,首先刪除構(gòu)詞完全相同的重復(fù)描述詞。再將剩余描述詞進(jìn)行相同詞義的合并,得到若干感官屬性。例如微黃、色黃、金黃等合并為黃,米糊香、焦糊香等合并為糊香,豐滿度、豐富(香氣)、復(fù)合香等合并為豐富度。由于評(píng)價(jià)人員不同的生活環(huán)境、知識(shí)儲(chǔ)備和感官評(píng)價(jià)經(jīng)驗(yàn),他們所報(bào)告的描述詞種類可能會(huì)比較多。相應(yīng)的,文本統(tǒng)計(jì)分析的研究人員應(yīng)充分了解所評(píng)價(jià)的產(chǎn)品,以便對(duì)回答表中報(bào)告的描述詞進(jìn)行有效、合理的歸類。將描述詞按語(yǔ)義分組與合并的工作非常耗時(shí),目前主要采用人工的方式完成,且存在研究人員數(shù)量與效率不對(duì)等的現(xiàn)象。如果研究人員數(shù)量較少,其處理龐大的描述詞庫(kù)的工作量過(guò)高,如果數(shù)量較多,其內(nèi)部可能陷入對(duì)于描述詞詞義認(rèn)知與合并的較大爭(zhēng)議之中。由一名經(jīng)驗(yàn)豐富的研究人員首先進(jìn)行描述詞合并,再由其他研究人員驗(yàn)證與確認(rèn)是兼顧效率與準(zhǔn)確度的一種方式。

屬性強(qiáng)度估計(jì) 創(chuàng)建列聯(lián)表(見(jiàn)圖3),第一列為合并后的若干感官屬性描述詞,第一行是每個(gè)樣品負(fù)頻次,正頻次和差值,重復(fù)m次(m=待測(cè)樣品數(shù))。按照回答表中報(bào)告的描述詞填寫(xiě)列聯(lián)表,高于/低于P樣品的1個(gè)描述詞記為對(duì)應(yīng)的合并描述詞正/負(fù)頻次1次(以下稱為引用次數(shù)),直至將所有樣品和評(píng)價(jià)人員的數(shù)據(jù)全部錄入。差值等于“正頻次”減去“負(fù)頻次”,差值便是該樣品該感官屬性的強(qiáng)度估計(jì)(以下稱為得分),得分有正值,也有負(fù)值。至此,便有了基于P樣品的各樣品各感官屬性的正/負(fù)頻次引用次數(shù)和得分。

為了突出樣品真正具備的、對(duì)樣品集區(qū)分貢獻(xiàn)度更高的、評(píng)價(jià)小組一致性更強(qiáng)的屬性,一般會(huì)對(duì)合并描述詞進(jìn)行篩選。可以依據(jù)正/負(fù)頻次引用次數(shù)、各屬性樣品集得分及其標(biāo)準(zhǔn)差或極差等數(shù)據(jù)完成這一步驟。Deneulin等人在采用15人組成的評(píng)價(jià)小組對(duì)來(lái)自世界各地的50種蜂蜜實(shí)施PP法時(shí),通過(guò)兩種指標(biāo)組合使用進(jìn)行合并描述詞的篩選:首先刪除了對(duì)同一蜂蜜引用<2次的描述詞(弱于或強(qiáng)于P樣品),以便在后續(xù)分析中只保留評(píng)價(jià)小組一致同意的描述詞,其次僅保留了得分絕對(duì)值>5的描述詞,因?yàn)樗鼈兪亲钣写硇缘摹_@個(gè)閾值的選擇(比如得分絕對(duì)值>5)對(duì)應(yīng)于評(píng)價(jià)小組人數(shù)的三分之一。Longo等人采用11名專業(yè)葡萄酒從業(yè)人員使用PP法對(duì)15種黑皮諾葡萄酒進(jìn)行感官評(píng)價(jià)時(shí),在數(shù)據(jù)處理階段僅保留了標(biāo)準(zhǔn)差>1.5的感官屬性,通過(guò)篩選可以排除許多邊緣感官屬性,并將干擾分析的噪音降至最低。

上述篩選用的指標(biāo)可視實(shí)際情況單獨(dú)或組合使用。最終,能夠得到一個(gè)包含-A到+B分(A>0,B>0)的列聯(lián)表(m個(gè)樣品×k個(gè)屬性,k表示合并描述詞經(jīng)篩選后的數(shù)量)。
屬性強(qiáng)度翻譯與對(duì)應(yīng)分析 由于m個(gè)樣品和k個(gè)屬性構(gòu)成的列聯(lián)表數(shù)據(jù)龐大,不易于對(duì)其中數(shù)據(jù)進(jìn)行直觀觀察,一般采取對(duì)應(yīng)分析(CA)的方式將數(shù)據(jù)可視化。對(duì)應(yīng)分析以兩變量的交叉列聯(lián)表為研究對(duì)象,利用降維的方法,通過(guò)圖形方式,直觀揭示變量不同類別之間的聯(lián)系,特別適用于對(duì)多分類型變量關(guān)系的研究。而對(duì)應(yīng)分析要求列聯(lián)表中的數(shù)據(jù)全部為正值,因此便引入了“屬性強(qiáng)度翻譯”的步驟,一般將最小負(fù)值的絕對(duì)值與列聯(lián)表中所有數(shù)據(jù)相加而實(shí)現(xiàn),如圖4所示。此時(shí),列聯(lián)表中數(shù)據(jù)全部為非負(fù)值,最小值為0。

翻譯后的列聯(lián)表即是對(duì)應(yīng)分析的導(dǎo)入形式。如果感官屬性較多,可以采用劃分維度方式(如顏色、香氣、口感等)依次對(duì)某一維度的感官屬性進(jìn)行樣品集的CA分析。Deneulin等人在分析50種蜂蜜的感官特征時(shí),分別從顏色和質(zhì)地、香氣及滋味三個(gè)維度依次進(jìn)行CA分析。如果樣品集的構(gòu)成較豐富,亦可劃分要素(如價(jià)格、產(chǎn)區(qū)、品牌等)分別對(duì)某一要素進(jìn)行樣品集的CA分析,以獲取更為精準(zhǔn)與有趣的實(shí)驗(yàn)結(jié)果。 
編輯:songjiajie2010

 
分享:
關(guān)鍵詞: 感官
 

 
 
推薦圖文
推薦檢驗(yàn)技術(shù)
點(diǎn)擊排行
檢驗(yàn)技術(shù)
 
 
Processed in 0.053 second(s), 14 queries, Memory 0.92 M