[논문 리뷰] Geometric and statistical techniques for projective mapping of chocolate chip cookies with a large number of consumers

David Orden, Encarnación Fernández‐Fernández외 2명|arXiv (Cornell University)|2020. 08. 24.

Sensory Analysis and Statistical Methods참고 문헌 40인용 수 11

한 줄 요약

이 연구는 349명의 경험 부족 소비자가 9종의 초콜릿 칩 쿠키를 평가한 데이터를 바탕으로 그래프 이론과 통계적 거리 분석을 융합한 새로운 하이브리드 방법을 제안한다. 이 방법—쌍별 거리 기반 SensoGraph—는 MFA 및 SensoGraph-Gabriel와 유사한 안정적이고 일관된 결과를 도출하며, 약 200명의 소비자에서 0.95의 안정성 임계값을 달성하여 대규모이고 훈련되지 않은 패널에서도 강건함을 입증한다.

ABSTRACT

The so-called rapid sensory methods have proved to be useful for the sensory study of foods by different types of panels, from trained assessors to unexperienced consumers. Data from these methods have been traditionally analyzed using statistical techniques, with some recent works proposing the use of geometric techniques and graph theory. The present work aims to deepen this line of research introducing a new method, mixing tools from statistics and graph theory, for the analysis of data from Projective Mapping. In addition, a large number of n=349 unexperienced consumers is considered for the first time in Projective Mapping, evaluating nine commercial chocolate chips cookies which include a blind duplicate of a multinational best-selling brand and seven private labels. The data obtained are processed using the standard statistical technique Multiple Factor Analysis (MFA), the recently appeared geometric method SensoGraph using Gabriel clustering, and the novel variant introduced here which is based on the pairwise distances between samples. All methods provide the same groups of samples, with the blind duplicates appearing close together. Finally, the stability of the results is studied using bootstrapping and the RV and Mantel coefficients. The results suggest that, even for unexperienced consumers, highly stable results can be achieved for MFA and SensoGraph when considering a large enough number of assessors, around 200 for the consensus map of MFA or the global similarity matrix of SensoGraph.

연구 동기 및 목표

• 그래프 이론과 통계적 거리 분석을 활용한 Projective Mapping 데이터 분석을 위한 새로운 하이브리드 방법을 개발하고 검증한다.
• 경험 부족 소비자 대상 대규모 패널(n=349)에서 유도된 감각 공감 지도의 안정성을 평가한다.
• 다중요인분석(MFA), 가브리엘 클러스터링을 사용한 SensoGraph, 그리고 쌍별 거리를 활용한 새로운 SensoGraph 변종 간의 성능을 비교한다.
• 훈련되지 않은 참가자들이 참여하는 Projective Mapping에서 안정적이고 신뢰할 수 있는 감각 지도를 얻기 위한 최소 소비자 수를 평가한다.
• 향후 방법론 연구를 위한 공개 가능한 대규모 소비자 연구 데이터셋을 제공한다.

제안 방법

• 샘플 간 쌍별 유클리드 거리 기반으로 가우버니어 그래프 클러스터링 대신 전역 유사성 행렬을 구성하는 새로운 SensoGraph 변종을 제안한다.
• 결과의 안정성을 평가하기 위해 소비자 수를 10명에서 349명까지 100회의 무작위 부트스트랩 샘플링을 수행한다.
• MFA에서 부트스트랩된 패널과 전체 패널 간의 공감 지도 간 일치도를 측정하기 위해 RV 계수를 사용한다.
• SensoGraph에서 부트스트랩된 패널과 전체 패널 간의 전역 유사성 행렬 유사도를 측정하기 위해 매ntl 계수를 사용한다.
• 전체 데이터셋에 대해 다중요인분석(MFA)을 수행하여 소비자 인식의 공통 지도를 생성한다.
• 검은 샘플 복제본(샘플 2와 5)이 가까이 위치하는지 확인하여 방법의 신뢰성을 검증한다.

실험 결과

연구 질문

• RQ1 쌍별 거리 기반의 기하학적-통계적 하이브리드 방법이 MFA 및 SensoGraph에 비해 Projective Mapping 결과의 안정성과 일관성 향상에 기여하는가?
• RQ2 Projective Mapping에서 안정적인 감각 공감 지도를 얻기 위해 필요한 경험 부족 소비자 최소 수는 얼마인가?
• RQ3 MFA, SensoGraph-Gabriel, 그리고 새로운 SensoGraph-distances 방법 간의 안정성 지표(RV 및 매ntl 계수)는 어떻게 비교되는가?
• RQ4 경험 부족 소비자가 상업용 초콜릿 칩 쿠키를 평가할 때 신뢰할 수 있고 일관된 감각 지도를 생성하는가?
• RQ5 제안된 방법은 블라인드 복제 샘플을 신뢰성 있게 식별할 수 있는가? 이는 방법론의 타당성에 대한 기준이 된다.

주요 결과

• 쌍별 거리 기반으로 구성된 새로운 SensoGraph 변종은 약 200명의 소비자에서 매ntl 계수 0.95를 달성하여 높은 안정성을 보였다.
• MFA는 첫 두 차원을 사용할 경우 약 200명의 소비자에서, 네 개의 차원을 사용할 경우 150명의 소비자에서 RV 계수 기준 0.95 임계값에 도달했다.
• 가우버니어 클러스터링을 사용한 SensoGraph는 약 300명의 소비자에서 0.95 매ntl 계수 기준 임계값에 도달하여, 새로운 거리 기반 변종보다 낮은 안정성을 보였다.
• 세 가지 방법—MFA, SensoGraph-Gabriel, SensoGraph-distances—모두 동일한 샘플 군집을 도출하였으며, 블라인드 복제 샘플(샘플 2와 5)은 가장 가까이 위치하였다.
• 결과적으로, 복잡한 식품 제품인 초콜릿 칩 쿠키와 같은 경우에도 경험 부족 소비자 수가 약 200명을 초과할 경우 안정적이고 신뢰할 수 있는 감각 지도를 도출할 수 있음을 입증하였다.
• 본 연구는 대규모 소비자 연구(n=349)에서 유래한 공개 가능한 데이터셋을 제공하여 재현성과 향후 방법론 검증을 지원한다.