Trong đánh giá cảm quan thực phẩm, có rất nhiều phép thử được dùng để phân nhóm sản phẩm có cùng tính chất như: màu sắc, mùi hương, vị…. Ở bài viết này Science Vietnam sẽ cùng với bạn tìm hiểu một số phương pháp phân nhóm trong Cảm quan nhé.
Phương pháp phân nhóm Napping
Phép thử Napping (một biến thể của Projective Mapping) là một phương pháp có nguồn gốc từ nghiên cứu thị trường (Risvik và cộng sự, 1994; Pagès, 2005). Trong đó, các mẫu được trình bày và phân nhóm theo đặc trưng trên các khổ giấy A3, A4 hoặc khổ giấy có kích thước 60cm2 (King và cộng sự, 1998; Kennedy and Heymann, 2009; Nestrud và Lawless, 2010).
Thuật ngữ “Napping” bắt nguồn từ chữ “nappe” của pháp, có nghĩa là khăn trải bàn. Tức là nhóm các mẫu trên không gian hai chiều giống như khăn trải bàn (Varela và Ares, 2012). Trong một phiên đánh giá duy nhất, các chuyên viên đánh giá thực hiện đánh giá bằng cách nhìn, ngửi và nếm sản phẩm, sau đó định hướng chúng thành các nhóm theo ý của họ. Một mẫu kiểm soát cũng có thể chèn vào bộ mẫu để xác nhận các nhóm đánh giá. Các mẫu gần nhau thì tương tự nhau hoặc tương quan, các mẫu càng xa nhau thì ngược lại. Các chuyên viên đánh giá được đào tạo khuyến khích là từ 9 đến 15 người (Risvik và cộng sự, 1997; Perrin và cộng sự, 2008; Varela và Ares, 2012) hoặc chưa được đào tạo là từ 15 đến 50 người (Ares và cộng sự, 2010; Albert và cộng sự, 2011; Kennedy và Heymann, 2009; Nestrud và Lawless, 2010; Varela và Ares, 2012).
Phương pháp Napping đã được áp dụng trong nhiều sản phẩm thực phẩm và đồ uống khác nhau như rượu cognac (Louw và cộng sự, 2015), bia (Reinbach và cộng sự, 2014), rượu vang (Perrin và Pagès, 2009), cà phê (Moussaoui và Varela, 2010), Sô cô la (Risvik và cộng sự, 1994), các món tráng miệng bằng chocolate (Ares và cộng sự, 2010), súp (Risvik và cộng sự, 1997).
Napping là một phương pháp thân thiện và dễ dàng thực hiện cho người thử (Risvik và cộng sự, 1994), bằng cách cho người thử phân loại không theo yêu cầu của hệ thống đánh giá chất lượng nào, cũng như không có sự ràng buộc nào giữa các chuyên viên. Tuy nhiên những nhược điểm của phương pháp này bao gồm số lượng mẫu từ 10-20 có thể làm người thử cảm thấy mệt mỏi và bị nhầm lẫn trong mỗi lần thử (Schifferstein, 1996). Trong khi đó, Pagès (2005) cho biết một phiên đánh giá có thể sử dụng tối đa 12 mẫu. Dưới đây là một phiếu kết quả của một người thử phép thử Napping.
Các vị trị sản phẩm đánh giá của người thử n (Xn , Yn) thường được đo từ góc dưới bên trái. Thu thập dữ liệu được thực hiện bởi những người thử khác nhau bằng cách xác định tọa độ của vị trí mẫu. Các điểm Zero (0,0) là điểm nằm dưới cùng góc bên trái của tờ giấy. Dữ liệu có thể được trình bày giống như bảng 1.14. Các bảng dữ liệu được xây dựng thành 1 hàng tương ứng với mẫu. Cột đầu tiên bao gồm tên mẫu. Phần tiếp theo của dữ liệu bao gồm tọa độ mẫu của người thử. Hai cột liền nhau tương ứng với tọa độ X và tọa độ Y của một người thử. Phần đối xứng phía bên phải thể hiện sự nhận biết thuộc tính của người thử với mẫu tương ứng bên trái.
Đây là cấu trúc bảng dữ liệu thông thường để phân tích dữ liệu với MFA, thực hiện trong gói Factomine của R. Một danh sách như vậy gồm 3 cột , một cột kết quả của người thử đã xác định, một cột tên mẫu, và một cột liệt kê tất cả các thuộc tính.
Đối với phép thử Projective Mapping (Napping là một biến thể), SensomineR đè nghị áp dụng phương pháp xử lý MFA. MFA là một phương pháp phân tích hai bước. Bước đầu tiên phân tích cấu tạo dữ liệu chính của mỗi tập hợp các biến (trừ khi dữ liệu là một dư liệu rõ ràng trong trường hợp nó là bội số phân tích phù hợp). Điều này được thực hiện để bình thường hóa mỗi bộ biến. Bước thứ 2 phân tích cấu tạo dữ liệu chính mới dựa trên kết quả tiếp nối kết quả trước, nó được kết thúc với hình dạng quả cầu (Escofer and Pagès 1994; Abdi et al. 2013). Nếu người dùng muốn kiểm soát nhiều thông số mô hình càng tốt và kiểm soát đầy đủ các đầu ra của mô hình thì nên sử dụng MFA trong FactomineR.
Phương pháp phân nhóm Sorting Task
Sorting Task là một phép thử cảm quan nhanh, được dùng để phân biệt các mẫu, có nghĩa là phân loại các đối tượng khảo sát thành tập hợp, nhóm theo sự giống nhau (Lawless et al, 1995). Chúng cho phép người thử đã được đào tạo hoặc không qua đào tạo phân nhóm, thường là hai hay nhiều nhóm, theo sự giống nhau hoặc khác biệt bằng tiêu chuẩn của cá nhân người thử. Nhóm không thể chứa một mẫu. Các mẫu tương tự được nhóm lại với nhau, trong khi các mẫu khác được đặt trong nhóm khác. Sau khi hoàn tất, người thử mô tả các nhóm bằng các thuật ngữ mô tả của riêng họ (Lawless và cộng sự, 1995; Popper và Heymann, 1996). Phương pháp này thường được thực hiện trong một phiên thử duy nhất.
Những người thử đã được đào tạo sẽ phân nhóm một cách dễ dàng hơn những người chưa qua đào tạo. Vì vậy, Lelièvre và các cộng sự (2008) đã khuyến khích việc cung cấp cho người thử chưa qua đào tạo một danh sách thuật ngữ được xác định từ trước giúp người thử mô tả nhóm mẫu. Thông thường, số lượng người thử chưa qua đào tạo (n=20-50) lớn hơn so với số người thử đã qua đào tạo (n=9-15) (Cartier và cộng sự, 2006).
Phép thử phân nhóm Sorting Task được áp dụng cho nhiều loại thực phẩm và nước giả khát khác nhau, bao gồm: pho mát (Lawless et al, 1995), yaourt (Saint Eve và cộng sự, 2004), mứt jelly (Tang và Heymann, 1999), (Gawel và cộng sự, 2001), ngũ cốc (Falahee và MacRae, 1997), các loại bia (Chollet và Valentin, 2001), dầu ô liu (Santosa và cộng sự, 2010), rượu vang đỏ (Gawel và cộng sự, 2001), nước giải khát (Falahee and MacRae, 1997), cà phê (Moussaoui và Varela, 2010) và nước giải khát hương cam (Ares et al., 2011).
Vì Sorting là phép thử tiếp cận nhanh, nên có xu hướng làm nổi bật và sự khác biệt giữa các sản phẩm. Vì thế các phương pháp thống kê so sánh tổng thể có thể có xu hướng tạo ra kết quả so sánh tổng thể.
Để phân tích dữ liệu với cách tiếp tận đa chiều, kết quả của mỗi người đánh giá được mã hóa trong một ma trận xuất hiện riêng lẻ. Trong đó, hàng và cột là sản phẩm. Giá trị “1” tại giao điểm của một hàng và một cột chỉ ra rằng người đánh giá đã sắp xếp hai hay nhiều sản phẩm này lại với nhau, trong khi giá trị “0” cho thấy rằng các sản phẩm không được người thử xếp chung nhóm. Tất cả các ma trận cá nhân sau đó được tổng hợp để cho một ma trận mang tính toàn diện (hình 1.22).
Trong những năm gần đây, phần mềm thống kê miễn phí R (Ihaka và Gentleman, 1996; R Development Core Team, 2010) và các gói chức năng phát triển cảm quan đặc biệt đã trở nên phổ biến. Cấu trúc dữ liệu thích hợp cho việc phân tích nhiều yếu tố đã được thực hiện trong gói FactomineR (Lê và cộng sự, 2008; Husson và cộng sự, 2010) trong R. Trong đó
Hai phương pháp tiếp cận được SensomineR cung cấp để xử lý số liệu là: fast funtion và fastnt funtion.
