QDAデータの解析と解釈(1)
先日、Dr. Herbert StoneによるQDAワークショップを開催致しました。Stone先生と一緒に仕事をし始めて10年以上になりますが、官能評価の認知や向上に懸ける強い思いは相変わらずで、精力的な活動に大変頭が下がります。今回も多くの皆様にご参加頂き、ありがとうございました。QDAに関して、より理解を深めて頂ければ幸いです。

さて、QDA法のデータをとったあとの解析は、一般的に難関のようです。今回のワークショップのアンケートでも、難しいという声が多かったです。

QDAデータの解析には、基本記述統計のほか、分散分析と多重比較検定、それに多変量解析(主成分分析など)が行われます。機器分析データがあれば、各属性との相関を求めたり、あるいはQDAデータと分析データを組み合わせ、回帰分析で消費者の受容度の予測モデルを構築したりすることも可能です。それによって、官能評価の負担を軽減させられ、さらに客観性が高まるので、企業にとっては大いにチャレンジする価値があります。

とはいえ、QDAデータの解析のコアとなるのは、何と言っても分散分析です。まず、一元配置分散分析で、パネリストのパフォーマンスを評価します。下図のグラフ(FIZZにより出力)は、属性「つや」に関して、パネリストの識別感度を示すp値(横軸)と、繰り返し評価の変動を示すCV Anova(縦軸)をプロットしたもので、右下にプロットされるパネリストほど製品間のつやの違いを識別しており、かつ評価の再現性が良いことを示します。識別の目安をp値で最大0.5としたとき、つやを識別できていないパネリストが3名いることが分かります。

分散分析

しかし、パネリスト一人がすべての属性に関する違いを検出できることは期待されません!そのために、約12名ものパネリストを使うのです。また、すべての属性で、サンプル間の違いが検出されることも期待されません。属性は十分理解されていたのか、サンプル間に本来差があったのかについて、次の試験前に再度ディスカッションを行うことが現実的です。
QDA法(6)準備ができたらデータ収集!
QDA試験前にすべきことは、これまで出現した用語の整理や、セッションで用いるサンプル数(食品であれば6〜8検体)、サンプル量、提示間隔など試験プロトコルの確立です。

パネルリーダーが、評価の仕方に関して統制を図ります。また、用語の定義を完成させることは重要です。もし、重複する意味の複数の用語をひとつにまとめるときは、除かれた用語を残された用語の定義に加えることができます。

そして、いよいよ本試験です。
QDAのトレーニング後は、できるだけ期間をあけないでデータ収集を行うことが望ましいです。人の記憶は覚えるのに時間がかかる割に、忘れるのはあっという間ですから。本試験では、モナディック(単一のサンプルのみを試験する)法でデータを収集します。

ひとつのサンプルとスコアカードを提示し、その評価後に両方回収してから次のサンプルとスコアカードを渡します。最近では、FIZZのような官能評価ソフトウェアがあるので、利用することでペーパーレスで試験が行えますし、回答漏れを防ぐこともできます。

サンプルの提示順序は、複数刺激の順序効果を防ぐためにパネル内でランダマイズ化します。そして、試験は必ず繰り返し(通常3回〜4回)行います。その分、時間はかかるため省略されがちですが、分散分析での誤差と交互作用(サンプルxパネル)を分離するために必須です。

QDAtest
新年のご挨拶
あけましておめでとうございます。
旧年は、途中でブログの更新頻度が減ってしまいましたが、今年は、なんとか挽回していきたいと思います。どうぞ本年もよろしくお願い致します。

さて、新年の幕開けと同時に、アルファ・モス・ジャパンの第9期がスタートします(今期から決算月が12月に変更となりました)。心新たに、官能分析手法の普及にさらに努めていきたいと思います。

アルファ・モス・ジャパンのミッションは、知覚の評価における機器分析と官能評価の科学的な融合です。昨年も、国内外の学会やセミナーで香りや風味の機器分析や官能評価事例を発表してきました。お陰様で、ユーザー様の具体的な成功ケースも増えてきています。
http://www.alpha-mos.co.jp/event/index.html


2016年上期には、次のようなプログラムを予定しています。
1月27日 TMS研究会
「イオン分子反応質量分析計の概要とリアルタイムガス、におい分析への応用」
2月3日 北海道食品加工研究センターセミナー
「におい分析の最新技術と食品開発・品質管理への活用事例」
3月上旬 Herbert StoneによるQDAワークショップ
5月18日〜 ifia JAPAN 2016
6月5日〜 ISOT2016
17th International Symposium on Olfaction and Taste
6月上旬 アルファ・モスユーザーフォーラム

今年も多くの場で、皆様とお会いできることを楽しみにしております!
SeasonsGreetings2016blog
においライブラリ
味には、甘味、酸味、塩味、苦味、うま味で表現される基本味があり、それらに由来する代表的な化合物の知見も多いですが、におい関しては、種類は多すぎて(40万種類とも言われています)、決まった言葉がありません。QDAにおける用語開発でも、においは形容詞で記述されることが多く、その解釈をつけるのに難しいことがよくあります。

清酒やビール、紅茶、コーヒーなど、特定の業界によっては、フレーバーホイールと呼ばれる用語リストが開発されていて、商品の風味(味や香り)の特徴を記述するときの基本として利用できます。これは、業界内の風味に関するコミュニケーションにおいて大変便利です。

Wine-Aroma-Wheel-Master-Sommelier_s
(出典元:http://www.aromaster.com/)

それでも汎用的なものは、なかなかありません。しかし、香気分析に関する学術論文を探っていくと、においに関する表現があちこちに目につきます。におい嗅ぎGGで分離された化合物に対するにおいの質も報告されています。ただ、問題はリソースがあちこちに点在していることです。

こうした文献情報を整理してデータベースにしたものが、アルファ・モスから発売されています。AroChemBaseは、保持指標に関する化合物ライブラリ(83500成分収録)であり、そのうち約2000成分のにおい質(芳香からオフフレーバーまで)や嗅覚閾値データが、10000 を超える豊富な文献から集められてひとつになっています。

収録されている情報量だけでなく、検索もいろいろな角度から行えます。感じたにおいの種類(甘い香り、カビ臭・・・)、推定される化合物(アルデヒド、硫黄系・・・)、またはサンプル名(コーヒー、レモン・・・)から・・・。まさに、においライブラリと言える機能を網羅しています。

arochembase_c

GC-O分析で、嗅ぎ分けた化合物のにおいをどのように表現したらよいのか困る時、GC-MSで同定された化合物が、いったいどのようなにおいなのか調べたい時、定量された成分濃度が、においを感じる量であるか確認したい時、AroChemBaseライブラリの使い道はたくさんありそうです。
QDA法(5)感覚尺度の使い方
これまで、QDA法の用語開発について書いてきましたが、そのプロセスの一部でもあるラインスケールについて今回は取り上げます。

ラインスケールの種類は様々です。

アンカーがないスケールであったり、
QDA5-1
アンカーをスケールの両端につけたものであったり、
QDA5-2
アンカーをスケールの内側につけたものであったり・・・。
QDA5-3

QDA法では、一番最後のアンカーを内側につけた長さ約15cmのスケールを使用します。スケールは、それより長くしても感度が上がらないことが確認されており、また逆に短くすると感度が下がってしまうことが経験的に分かっています。

ラインスケールに、目盛りを振ることはどうでしょう?パネリストの目安のために、つけたくなりますが、QDAにおいては推奨されません。たとえば、真ん中に3つのアンカーをつけた場合では、応答の変動が10〜15%大きくなり、結果的に感度が減少してしまいました。

また、数値をスケールにつけるのも推奨されません。数値は、パネリストにとってのバイアスとなり、たいていは、自らの感覚を覚えるより、数値を覚えることに一生懸命になります。そして、マイナスの数値があれば、誰もがそれをネガティブなものをとらえてしまうでしょう。

このような理由で、現在のラインスケールが誕生しました。

qda5-4

アンカーの上には、各用語について尺度の方向性を示す用語をつけます。色の濃さであれば「暗い, 明るい」、香りの強さであれば「弱い, 強い」均一性であれば「不均一, 均一」などです。そして、パネリストは各評価用語について、感じた強度の位置にマークをつけます。

データ解析で用いられるスコアは、スケールの左端からの距離を算出したものです。紙での試験だと、物差しで測る手間と人為的ミスを考慮しないとならないですが、最近では便利なソフトウェアも発売されています。

ところで、どのようにこのラインスケールを使うのでしょう?パネリストは、用語開発中に評価する多くのサンプルを通じて、試験するサンプルカテゴリーが呈する強度に慣れます。クッキーの甘さであれば、このくらいの範囲か・・・など。そして、その範囲の中で、自らの感覚を基準化し、同じようにスケールを使うことに集中します。

周囲のパネリストがつける位置を気にする必要はありません。なぜなら、“正しい位置”は存在しないからです。とにかく、反復して評価する中で、自らの感覚強度に基づいて再現良くマークすることを心がけるだけです。パネルの中で、“位置合わせ”をすることで、感度の低下が起こります。また、それに費やすトレーニングは莫大なものです。

QDA法では、反復の評価を行い、パネル全体の平均を分散分析で評価します。そして、個人で強度の差があるのは自然と考え、むしろサンプルのスコアを順位に置き換えたとき、パネリスト間でその順位が逆転しないことをより重視するのです。

▲PAGE TOP

最近のエントリー
過去のエントリー
カレンダー
S M T W T F S
  12345
6789101112
13141516171819
20212223242526
2728293031  
<< March 2016 >>
ブログ内を検索


PROFILE
モバイル
OTHERS