Kukorica fajták preferenciatérképezése szoftveres támogatással = Preference mapping for sweet corn varieties by software support
Kutatásunk során 8 - kereskedelmi forgalomban kapható - fagyasztott, morzsolt csemegekukorica minta preferencia térképét készítetük el az XLStat Sensory moduljának alkalmazásával. A mintákat azonos mintaelőkészítést követően prezentáltuk a bírálóknak. A szakértői bírálat során profilanalízis módszer...
Elmentve itt :
| Szerzők: | |
|---|---|
| Dokumentumtípus: | Cikk |
| Megjelent: |
Q & M Kft.
Budapest
2012
|
| Sorozat: | Élelmiszervizsgálati közlemények
58 No. 3-4 |
| Kulcsszavak: | Élelmiszervizsgálat - módszer |
| Tárgyszavak: | |
| Online Access: | http://acta.bibl.u-szeged.hu/79572 |
| Tartalmi kivonat: | Kutatásunk során 8 - kereskedelmi forgalomban kapható - fagyasztott, morzsolt csemegekukorica minta preferencia térképét készítetük el az XLStat Sensory moduljának alkalmazásával. A mintákat azonos mintaelőkészítést követően prezentáltuk a bírálóknak. A szakértői bírálat során profilanalízis módszerrel készítettük el a tulajdonságlistát, mely 16 tulajdonságot tartalmazott. A fogyasztói bírálatok során a megjelenés, illat, állomány és íz paraméterek alapján pontozták a laikus fogyasztók a 8 mintát. Az eredmények értékelése során első körben a szakértői adatok PCA-ját végeztük el, majd ezután kialakítottunk három fogyasztói klasztert. Ezen eredményeket felhasználva készítettük el a szoftver segítségével a 8 termék preferencia térképét. A térképeket contour plotokban ábrázoltuk a fogyasztói szempontok alapján. Az így elkészült négy ábra mellé a szoftver előállította az egyes klaszterek preferenciasorrendjét tartalmazó táblázatot is. Ezek alapján megállapítottuk, hogy a három klaszter közül kettő ugyanazt a terméket kedvelte leginkább. A harmadik klaszter ezzel szemben viszont más terméket részesített előnyben. A további elemzés során kiderült, hogy az első két klaszter tagjai inkább az édesebb termékeket kedvelik, míg a harmadik klaszter tagjai a kevésbé édes termékeket. A preferencia pontosabb meghatározásához célszerű lehetne az egyes terméktípusokra kidolgozott súlyozott mutatószám megalkotása, melyben az egyes tulajdonságok súlyozva szerepelnének. Az eredmények értékelése során célszerű lenne további kutatásokban a nagymintás, reprezentatív mintavétel elvégzése, hogy kiterjeszthető legyen a kutatás érvényessége. Megállapítható, hogy az XLStat-Sensory célzottan segíti az érzékszervi minősítési adatok feldolgozását, kiértékelését és bemutatását Excel környezetben. A statisztikai szoftverekben általánosan alkalmazott matematikai módszerek (Faktoranalízis, Diszkriminancia Analízis, Főkomponens Analízis stb.) mellett időtakarékos, egyedi módszerek (PREFMAP, Internal Preference mapping, Generalized Procrustes Analysis, Penaltya és DOE for Sensory Data Analysis) is megtalálhatóak a csomagban, így segítve az érzékszervi kutatók munkáját a kísérlettervezéstől az adatok prezentálásáig. Az XLStat-Sensory egyik erénye más érzékszervi szoftverekhez képest a szemléletes contour plot, illetve preferenciasorrendet bemutató táblázat, amely iránymutatást ad a nemesítők és/vagy az élelmiszeripari termékfejlesztők számára. In this study the preference maps of 8 commercial frozen sweet corn varieties was created by the Sensory module of the XLSTAT software. The samples were presented to the sensory panelist’s using the same sample preparation process. The expert panel created the list of the attributes - which consisted of 17 elements - according to the rules of the profile analysis method. The 8 samples were evaluated according to the appearance, general odour, texture and general taste attributes on hedonic scales by consumers. As the first step of the data analysis a PCA was conducted on the data of the expert panel and after that three clusters of consumers were created. Using these results the software created the preference maps of the eight sweet corn varieties. The results of the preference maps were then presented in so called contour plots based on the attributes evaluated by the consumers. Furthermore the software created the preference sequence of the clusters of the consumers in a table. Based on these results we concluded that two of the three consumer clusters preferred the same sample. On the other hand the third consumer group preferred other samples. Deeper analysis showed that the first two clusters preferred more the sweet varieties but the members of the third cluster preferred the less sweet samples. In order to create a more precise preference map it would be valuable to create a weighted coefficient to product types. The weighting can differentiate the product attributes. In addition it would be valuable to conduct a research involving representative consumer sampling to extend the validity of the results. As a conclusion it can be determined that the use of the XLSTAT Sensory software gives a direct approach to the preprocessing, the evaluation and the presentation of the sensory data in Excel environment. It contains not just the general mathematical methods (Factor Analysis, Discriminant Analysis, Principal Component Analysis etc.) used in the widespread statistical software packages but time-saving and unique methods (PREFMAP, Internal Preference Mapping, Generalized Procrustes Analysis, Penalty Analysis and DOE for Sensory Data Analysis) can be also found in the menu bar. This gives a full approach to the sensory data from the design of experiment to the presentation of the results. The other advantage of the XLSTAT is the contour plot and the table showing the sequence of the preference of the created clusters which can give directions to the breeders and/or the product developers. |
|---|---|
| Terjedelem/Fizikai jellemzők: | 118-130 |
| ISSN: | 0422-9576 |