카테고리 없음

☆☆[트라이앵글 /Triangle Test)테스트 목적, 용도, 규칙, 통계][센서리 오류]☆☆

I feel pretty 2022. 12. 20. 00:49
반응형

커핑 트라이앵글 테스트

트라이앵글 테스트/Triangle Test)란?

3개의 컵 중 다른 한 컵을 구분하여 맞추는 테스트

편견과 대비를 방지하기 위해 삼각형으로 배치한다.
-구별 테스트 방법의 하나
-트라이앵글 테스트는 통계학적인 평가이기에 감별사의 수가 더 많은 수 일수록 유리하다.
-응답률의 최소 수치는 24-36회이다. (반복학습의 중요성)
-트라이앵글 테스트의 용도
: 두 제품 간의 차이점이나 유사점을 판별, 패널 멤버의 판별 능력을 테스트할 때 사용하며, 인지적으로 다름을 판별,

즉 제품이 감지할 수 있을 만큼 어떻게 다른 가를 핵심으로 본다.

  • 두 제품 간 차이점이나 유사점을 판별하거나 패널 멤버의 판별 능력을 테스트할 때 쓰이는 구별 테스트
  • 커피의 센서리 유효기간을 시험할 때 트라이앵글 테스트 이용 가능
  • 두 제품 중 더 좋은 것을 고르는 시험이 아님
  • 고객 선호도 시험에는 쓰이지 않음

1. 목적

  • 두 개 커피 샘플 간 차이가 있는지 시험하기 위함
  • 특정시험을 위한 자격이 있는 패널 멤버를 선정하기 위함
  • 유사성을 시험하기 위함

2. 핵심

  • 제품이 감지할 수 있을 만큼 어떻게든 다른가?

3. 커피산업에서 용도

  • 새로운 로스팅 또는 블랜딩과 원래 레시피 사이에 차이가 두드러지게 발생하였는지 탐지
  • 제품 매칭:고객이 원하는 프로파일에 맞춤
  • 제품 비교
  • 관능 패널을 시험하고 조울함

4. 규칙
-트라이앵글 테스트에 필요한 서로 다른 커피 샘플 개수:2
-이월효과(carryover effect)를최소화 하기 위해 참가자에게 가능한 주문 조합을 모두 적용하여 게시하여야 함.

특정 조건에서 다른 조건의 나중 행동에 미치는 영향)

이월효과:반복 측정이 포함된 연구를 뜻함
-쉽게 말해 선행 연구의 영향이 후에 연구가 시행되는 동안까지도 남아서 작용하는 현상을 말한다.

ex) 샘플 A와 B의 6가지 가능한 주문 조합:AAB, ABA, BAA, BBA, BAB, ABB

  • 커피 샘플에 세 자리 무작위 수로 코딩하는 코드 이용법의 장점
  • 코딩으로 습관화/습관적 채점 감소
  • 코딩으로 기대 오류 감소
  • 어떤 추출법으로든 트라이앵글 테스트 가능

5. 통계
-트라이앵글 테스트는 듀오-트리오 테스트보다 통계적으로 더 효율적임
-트라이앵글 테스트에서 우연히 정답을 고를 확률:33%
-통계 검사의 원칙:통계로 가설 감정을 할 때 p-값(계산된 확률)으로 결과의 유의성을 판단할 수 있음
-가설 감정은 모집단에 대한 주장의 타당성을 검정할 때 이용
-시험 대상인 주장을 기본적으로 귀무가설이라고 한다
*귀무가설/null hypothesis
설정한 가설이 진실할 확률이 극히 낮아 처음부터 버릴 것이 예상되는 가설.
-트라이앵글 테스트에서 귀무가설은 두 샘플 간에 두드러진 차이가 없다는 점이다.
-p값이 작으면(일반적으로 0.05 이하) 귀무가설을 반박하는 증거가 강하다는 의미로 귀무가설 기각
-p값이 크면(0.05 이상) 귀무가설을 반박하는 증거가 약하다는 의미로 테스터가 귀무가설을 기각하지 못했다는 뜻
-p값이 컷오프(cut off 0.05)와 매우 가까우면 한계상태(marginal)로 간주하여 어느 쪽으로든 갈 수 있다고 봄
알파 위험(a-risk):1종 오류 가발 생활 확률
인지할만한 차이가 없는데도 있다고 판정하는 것
베타 위험(B-risk):2종 오류가 발생할 확률
인지할 만한 차이가 있는데도 없다고 판정하는 것
**품질관리 책임자가 두 개 샘플 간에 두드러진 차이가 없다고 가설을
세웠다. 그리고 트라이앵글 테스트에서 통과/실패 p값(알파 값)으로
0.05 대신 0.01을 선택했다. 이경우에 "가설을 채택할 위험이 더 높다"그리고"0.01일 때 타당한/통계적으로 유의미한 결과가 더 많다."
고 할 수 있다.

6. 트라이앵글 테스트 외 다른 구별 테스트 방법
●듀오-트리오 테스트
-기준 샘플 하나와 같은 것을 두 개 중 고르는 테스트
-듀오-트리오 테스트에서 우연히 정답을 고를 확률:50%
-대조 테스트와 차이점
표준 대조 샘플 한 컵과 비교해 샘플 한 컵을 평가하는 테스트
●인/아웃 테스트
-기준점을 바탕으로 한 단순한 방법
-제품 사양과 개별 평가에 대한 한계점을 정의하여, 시음 후 통과율을 정의하고 결과를 분석하여 결정

*교차오염 방지를 위해서 커핑 프로토콜에는 평가할 샘플을 분쇄하기 전 동일 커피를 분쇄하여 퍼징 후 각각 분쇄한다.

7. Sensory Program Configuration(Sensory Model Case)

-관능 테스트 시 정확도를 높이려면 "반복연습"이 중요하다.

-관능 평가 패널의 결과에 의미가 있으려면 사람의 무의식적인 편향을 줄여야 한다.

8. 센서리 오류

●Expectation error
패널에게 너무 많은 정보를 제공하여 그들 스스로 기대하게 하여 생기는 에러

-예상하다, 기다 해다, 외부적인 요인
●Habituation error
반복되는 테스트를 통해 습관이 생겨서 강도 등 변화에 감지를 못하는 오류

-같은 것을 반복해서 주다 보면 살짝 바꿔도 모른다.(반복 인식)

●Stimulus error
사이즈, 색상 등 관련 없는 자극을 통해 발생하는 오류.

-하나의 컵을 다른 색상의 컵으로 준다.(돋보이다)

●Logical error
실제 맛과 달리 논리적인 판단에 의해 이미 결정을 해버리는 오류.

-게이샤향이난다, 플로럴 할 것이다, 비싼 커피일 것이다 등 (스스로 가두는 것)


●Halo effect error
동시에 두 개 이상의 특성에 대해 질의했을 때 하나의 큰 특성 때문에 다른 것을 제대로 감지하지 못하는 오류.

●Mutual suggestion error

커핑 중 토론을 하면 상호 간섭에 의해 오류가 발생한다

오늘도 감사합니다!







반응형