MétaCan
Menu
Retour à la cohorte
Enregistrement W2900872559 · doi:10.1016/j.foodqual.2018.11.016

Application of TCATA to examine variation in beer perception due to thermal taste status

2018· article· en· W2900872559 sur OpenAlexafffund
Jessica Mitchell, John C. Castura, Gary J. Pickering

Notice bibliographique

RevueFood Quality and Preference · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSensory Analysis and Statistical Methods
Établissements canadiensBrock University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTasteVariation (astronomy)PerceptionFood sciencePsychologyAdvertisingBusinessChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Thermal taste status (TTS) describes a phenotype whereby some individuals experience a thermally-induced taste on thermal stimulation of the tongue (thermal tasters; TTs) and some do not (thermal non-tasters; TnTs). TTs experience a range of orosensations elicited by aqueous solutions and some beverages more intensely than TnTs. Whether this extends throughout ingestion duration is unknown, despite the fact that the evolution of flavour on the palate is a key component of consumer acceptance of food/beverages. We sought to use temporal-check-all-that-apply (TCATA) to determine how beer perception varies with TTS. A secondary aim was to investigate the effects of serving temperature and a concurrent auditory cue on TCATA responses and how these may interact with TTS. Forty-one female participants (21 TTs, 20 TnTs) were trained to identify seven dominant sensations elicited by a de-alcoholized beer (astringent, bitter, carbonation, fruity/hops, malty, sour, sweet). Beer samples were served in duplicate at either 6 °C or 21 °C with or without a concurrent auditory cue consisting of a sound clip of effervescence. TTs cited astringent and bitter more frequently than TnTs (p(F) ≤ 0.01), and the area under the curve (AUC) was greater for TTs for several sensations (p(t) < 0.05). Samples served at 6 °C had higher carbonation citation frequencies (p(F) < 0.001) and AUC at 0–30 s (p(t) < 0.001) and 30.1–60 s (p(t) < 0.05) than the warmer samples, with responses for astringent following a same pattern. AUC for carbonation and astringent varied within the sound conditions at 0–30 s (p(t) < 0.05). Overall, these results show that the ‘taste’ advantage of TTs extends to beer, and that temporal methods are needed to more fully describe consumer variation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,172
Tête enseignante GPT0,351
Écart entre enseignants0,179 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2018
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueFood Quality and PreferenceMême sujetSensory Analysis and Statistical MethodsTravaux en français237 207