No rose without a thorn: Hedonic testing of live rose plants
Notice bibliographique
Résumé
Abstract Sensory and consumer testing of live rose bushes presents several unique logistical challenges due to product size and the need to present roses during a small window of opportunity when they are in full bloom, the timing of which differs from plant to plant. The current study determined whether online (close up photographs of rose blooms) and in‐person (live plants) liking tests produced comparable results and discusses the logistical considerations of in‐person testing. Three studies were conducted: two in‐person to compare two different study design strategies (n = 199, n = 206) and one online (n = 209). Photos of rose blooms evaluated online did not correlate with in‐person liking evaluations (R2 = .00003). The best approach for in‐person testing (completing testing in 1 week with only blooming roses versus spreading out testing over 3 weeks) depended on the project budget and whether a particular rose of interest needed to be in the sample set. Practical Applications Many consumer studies on nonfoods have used photographs of products to obtain consumer feedback rather than presenting a live prototype as this approach is more resource‐efficient. However, the present study demonstrates that a photograph of rose blooms (as shown in rose catalogues and plant tags) does not yield comparable liking scores to in‐person evaluation. Because rose bushes are large, highly variable and have fine details, it is challenging to evaluate them from photos that fit on a computer screen. The current study also describes a protocol for in‐person consumer hedonic testing of flowering plants. A new experimental design (Sudoku design) is presented, suitable for products that are too large to fit in a sensory booth or otherwise immobile requiring panelists to move around the room from product to product to make their evaluations. Two approaches are discussed which account for the difference in timing of rose blooming across cultivars.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
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.
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 ».