Alcoholic Beverage Strength Discrimination by Taste May Have an Upper Threshold
Notice bibliographique
Résumé
BACKGROUND: Given the association between alcohol consumption and negative health consequences, there is a need for individuals to be aware of their consumption of ethanol, which requires knowledge of serving sizes and alcoholic strength. This study is one of the first to systematically investigate the ability to discriminate alcoholic strength by taste. METHODS: Nine discrimination tests (total n = 413) according to International Standardization Organization (ISO) 4120 sensory analysis methodology "triangle test" were performed. RESULTS: A perceptible difference was found for vodka in orange juice (0.0 vs. 0.5% vol; 0 vs. 1% vol), pilsner and wheat beer (0.5 vs. 5% vol), and vodka in orange juice (5 vs. 10% vol, 20 vs. 30% vol, and 30 vs. 40% vol). The percentage of the population perceiving a difference between the beverages varied between 36 and 73%. Alcoholic strength (higher vs. lower) was correctly assigned in only 4 of the 7 trials at a significant level, with 30 to 66% of the trial groups assigning the correct strength. For the trials that included beverages above 40% vol (vodka unmixed, 40 vs. 50% vol and vodka in orange juice, 40 vs. 50% vol), testers could neither perceive a difference between the samples nor assign correct alcoholic strength. CONCLUSIONS: Discrimination of alcoholic strength by taste was possible to a limited degree in a window of intermediate alcoholic strengths, but not at higher concentrations. This result is especially relevant for drinkers of unlabeled, over-proof unrecorded alcoholic beverages who would potentially ingest more alcohol than if they were to ingest commercial alcohol. Our study provides strong evidence for the strict implementation and enforcement of labeling requirements for all alcoholic beverages to allow informed decision making by consumers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».