Projective mapping and ultra‐flash profile studies should include a list of descriptors and definitions: An investigation into descriptors used by untrained panelists
Notice bibliographique
Résumé
Abstract Projective mapping (PM) and ultra‐flash profile (UFP) have been used to evaluate various products, including wine. However, the meaning or definition of the descriptor participants use during a UFP task can be unknown. This study's objective was to have participants ( n = 81) evaluate white wine (seven different wines and one duplicate sample) using PM and UFP. After completing the task, the 10 most commonly used descriptors were included in a survey, and the participants were asked to define the descriptors using open‐ended questions. The survey was sent to all participants, but only 62 participants completed it. The results of the survey indicated the participants used different definitions to define the descriptors. In future research using PM and UFP, sensory researchers could provide a list of descriptors and their definitions for the participants, especially when they are untrained, or ask the participants to concentrate on only one sensory modality (appearance, taste, aroma, mouthfeel). Practical Applications Projective mapping and ultra‐flash profile trials can generate much information about a large number of products rapidly. However, these methods also have some limitations, including understanding the definition of the descriptors provided by the participants during the ultra‐flash profile task. This study hoped to overcome this limitation by asking the participants to complete a follow‐up survey to define the most frequently used descriptors from the ultra‐flash profile task. Unfortunately, the participants supplied contrasting definitions for the attributes. Future studies may want to supply the participants with a list of descriptors and definitions to lead to more consensus in the results.
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 | 0,019 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».