KR101447541B1 - 탐지 이론을 적용한 식품의 감각적 지각 품질의 정량적 측정 방법 - Google Patents

탐지 이론을 적용한 식품의 감각적 지각 품질의 정량적 측정 방법 Download PDF

Info

Publication number
KR101447541B1
KR101447541B1 KR1020140016999A KR20140016999A KR101447541B1 KR 101447541 B1 KR101447541 B1 KR 101447541B1 KR 1020140016999 A KR1020140016999 A KR 1020140016999A KR 20140016999 A KR20140016999 A KR 20140016999A KR 101447541 B1 KR101447541 B1 KR 101447541B1
Authority
KR
South Korea
Prior art keywords
response
food
meta
measuring
sensory
Prior art date
Application number
KR1020140016999A
Other languages
English (en)
Inventor
이혜성
조하연
김민아
김인아
Original Assignee
이화여자대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 이화여자대학교 산학협력단 filed Critical 이화여자대학교 산학협력단
Priority to KR1020140016999A priority Critical patent/KR101447541B1/ko
Priority to PCT/KR2014/005965 priority patent/WO2015122582A1/ko
Application granted granted Critical
Publication of KR101447541B1 publication Critical patent/KR101447541B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0001—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00 by organoleptic means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • G01N33/04—Dairy products

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • General Preparation And Processing Of Foods (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 탐지이론을 바탕으로 메티인지적 확신성 등급척도를 이용한 식품의 감각적 지각의 정량적 측정 방법에 관한 것으로, 구체적으로 소비자의 개념적 식품 품질 특성을 측정하기 위해, 기존의 탐지이론의 측정방법과 달리, 배경 잡음에 대한 측정 없이 신호의 강도를 측정할 수 있고, 하나의 시료를 가지고 감각적 자극의 정도를 판단할 수 있을 뿐만 아니라, 관능평가를 위한 기준 검사물이 필요 없어, 소비자의 감각적 지각을 간단하고 정확하게 측정할 수 있는 효과가 있어, 식품의 감각적 지각의 정량적 측정 방법에 유용하게 사용될 수 있다.

Description

탐지 이론을 적용한 식품의 감각적 지각 품질의 정량적 측정 방법{A quantitative measure of concept perception of food sensory}
본 발명은 탐지이론을 바탕으로 메티인지적 확신성 등급을 이용한 식품의 감각적 지각 품질의 정량적 측정 방법에 관한 것이다.
식품의 관능검사(sensory evaluation)란 통계학, 정신물리학, 식품학 등의 이론을 기초로 하여 미리 계획된 조건하에 훈련된 검사원의 감각기능(시각, 후각, 미각, 청각, 촉각 등)을 이용하여 식품의 외관, 풍미, 조직감, 결함 등 관능적 요소들을 평가하고 그 결과를 통계적으로 분석하고 해석하는 것을 말한다. 관능검사 결과는 제품(시료)의 특성을 파악하고 소비자 기호도에 미치는 영향력을 평가하는데 이용되고 있으며 신제품 개발, 제품 안전성(저장성), 가공 공정, 품질관리, 판매, 마케팅, 포장 및 디자인 등 다양한 분야에서 널리 활용되고 있다.
식품의 감각 차이식별 검사는 감각 특성이 비슷한 제품 간의 감각차이를 분석하기 위해 사용되는 평가 방법으로, 평가 목적에 따라 다음과 같이 두 가지로 분류된다. 분석적 감각 평가(analytical sensory test)는 훈련된 전문 관능검사 패널을 활용하여 감정의 개입 없이 객관적, 분석적으로 식품의 모든 감각적인 특성들을 평가하는데 그 목적이 있다. 반면, 감정적/종합적 감각 평가(affective/synthetic sensory test)의 경우에는 일반 소비자들이 자연스러운 생활에서 감지할 수 있는 식품의 감각 차이를 연구하는 것을 목적으로 한다.
신호탐지이론(Signal detection theory, SDT) 혹은 탐지이론(Detection theory)은 신호의 탐지가 신호에 대한 관찰자의 민감도와 관찰자의 반응 기준에 달려 있다는 이론이다. 이론은 신호(Signal)와 배경 잡음(Noise)을 구분하는 데 관련된 능력을 측정하는 수단으로 이용할 수 있다. 경험, 기대치, 심리학적 상태 (예: 피로도) 등에 따라 신호와 배경 잡음을 구분하는 식역 레벨의 단계가 결정된다. 예를 들어 전시의 보초병은 평상시 보다 더 작은 자극에도 민감하게 반응할 것이다. 왜냐하면 이러한 자극에 대한 기대치와 심리적 긴장 상태가 높기 때문이다.
신호탐지이론의 초기 연구는 레이더 연구자에 의해 이루어졌다. 1954년에는 윌슨 태너와 존 스웨츠에 의해 심리학적 이론으로 처음 제시되었다. 신호탐지이론은 품질관리, 통신이론, 의학진단과 심리학 분야에서 다양하게 활용되고 있다. 신호탐지이론은 심리학에서는 어떤 불확실한 상황에서 결정을 내리는 방법을 연구하는 데 쓰이고 있다. 이 이론에서는 신호를 탐지하는 관찰자는 수동적으로 정보를 받는 것이 아니라 불분명한 상황 아래에서 어려운 지각 결정을 해내는 능동적인 역할을 한다. 예를 들어 안개가 낀 상황에서 어떤 물체를 멀리 떨어뜨려 놓으면 시각적 자극은 안개에 방해를 받게 되고 안개가 물체의 밝기를 가리게 되면 사람은 실제 그 물체가 떨어진 거리보다 더 멀게 인지하게 된다.
오늘날 생활환경의 다변화와 함께 식품산업 환경은 빠르게 변화하고 있으며, 식품의 질을 정의하는 데 있어서 가장 중요하게 고려되는 요인은 식품의 관능적인 특성에 대한 타겟 소비자들의 기호도와 수용도(consumer liking and acceptance)이다. 따라서 타깃 소비자들이 식품의 관능적 특성들을 어떻게 감각하고 이에 어떻게 반응하는지, 특히 소비자가 감각할 수 있는 관능적 특성들의 종합적인 변화가 제품에 대한 선호도(또는 기호도)에 어떤 영향을 주는지에 대한 기초적인 실험연구가 절실히 요구된다. 이러한 실험연구를 토대로 식품 감각과 감성에 대한 과학적인 분석 모델을 확립하는 일은 식품 품질 관리를 비롯한 식품개발, 식품 유효기간 설정, 원가절감 등의 주요 식품 비즈니스의 목적을 달성하는 데 매우 중요하다.
식품과 음료 간의 감각과 개념적 차이를 측정하는 데 있어서, 현재 가장 발전 된 측정 방법의 모델은 신호탐지이론과 Thurstonian model이다. 그 중에서도 신호탐지이론의 등분산과 정규 분포로부터 계산될 수 있는 d'는 거리를 측정하기 위해 널리 적용되어 왔으며, 이를 통해 서로 다른 제품 간의 감각적, 개념적 특성의 감지 강도에 대한 차이의 크기를 나타낼 수 있다.
이에 본 발명자들은 소비자의 추상적인 개념에 대해 보다 적절한 측정 방법을 개발하기 위하여 이러한 기본적인 신호탐지이론에서 확장된 모델을 연구하고자 노력하던 중, 신호탐지이론을 바탕으로 한 메타인지적 확신성 등급척도를 이용하여 정량적 심리계측 지표를 개발함으로써, 기존의 신호탐지이론의 측정방법과 달리, 배경 잡음에 대한 측정 없이 신호의 강도를 측정할 수 있고, 하나의 시료를 가지고 감각적 자극의 정도를 판단할 수 있을 뿐만 아니라, 관능평가를 위한 기준 검사물이 필요 없어, 소비자의 감각적 지각 품질을 간단하고 정확하게 측정할 수 있음을 확인함으로써 본 발명을 완성하였다.
본 발명의 목적은 (1) 식품의 감각적 자극에 대한 반응 응답을 측정하는 단계; (2) 단계 (1)의 반응 응답에 대한 메타인지적 확신성 등급(metacognitive certainty rating)을 측정하는 단계; 및 (3) 단계 (1)의 반응 응답 및 단계 (2)의 메타인지적 확신성 등급을 이용하여 메타인지(metacognition) 값(d'MC)을 측정하는 단계를 포함하는 식품의 감각적 지각 품질의 정량적 측정 방법을 제공하는 것이다.
상기 목적을 달성하기 위하여,
본 발명은 (1) 식품의 감각적 자극에 대한 반응 응답을 측정하는 단계; (2) 단계 (1)의 반응 응답에 대한 메타인지적 확신성 등급(metacognitive certainty rating)을 측정하는 단계; 및 (3) 단계 (1)의 반응 응답 및 단계 (2)의 메타인지적 확신성 등급을 이용하여 메타인지(metacognition) 값(d'MC)을 측정하는 단계를 포함하는 식품의 감각적 지각 품질의 정량적 측정 방법을 제공한다.
또한, 본 발명은 (1) 식품의 감각적 자극에 대한 반응 응답을 측정하는 단계; (2) 단계 (1)의 반응 응답에 대한 메타인지적 확신성 등급(metacognitive certainty rating)을 측정하는 단계; (3) 단계 (1)의 반응 응답 및 단계 (2)의 메타인지적 확신성 등급을 이용하여 메타인지(metacognition) 값(d'MC)을 측정하는 단계; (4) 단계 (3)의 메타인지 값(d'MC)에 의해 군집 분석을 수행하여 소비자 세분화(consumer segmentation)를 통해 두 개 또는 그 이상의 집단(class)으로 분류하는 단계; 및 (5) 단계 (4)의 각 집단(class)에 대해 메타인지 값(d'MC)을 측정하는 단계를 포함하는 식품의 감각적 지각 품질의 정량적 측정 방법을 제공한다.
또한, 본 발명은 (1) 두 개 또는 그 이상의 식품 시료의 감각적 자극에 대한 반응 응답을 측정하는 단계; (2) 단계 (1)의 반응 응답에 대한 메타인지적 확신성 등급(metacognitive certainty rating)을 측정하는 단계; (3) 단계 (1)의 반응 응답 및 단계 (2)의 메타인지적 확신성 등급을 이용하여 메타인지 값(d'MC)을 측정하는 단계 ; 및 (4) 두 개 또는 그 이상의 식품 시료에 대한 단계 (3)의 메타인지(metacognition) 값(d'MC)을 비교하여 메타인지 값(d'MC)이 높은 시료를 선별하는 단계를 포함하는 감각적 지각 품질이 높은 식품 시료를 판정하는 방법. 을 제공한다.
아울러, 본 발명은 (1) 두 개 또는 그 이상의 식품 시료의 감각적 자극에 대한 반응 응답을 측정하는 단계; (2) 단계 (1)의 반응 응답에 대한 메타인지적 확신성 등급(metacognitive certainty rating)을 측정하는 단계; (3) 단계 (1)의 반응 응답 및 단계 (2)의 메타인지적 확신성 등급을 이용하여 메타인지(metacognition) 값(d'MC)을 측정하는 단계; (4) 단계 (3)의 메타인지 값(d'MC)에 의해 군집 분석을 수행하여 소비자 세분화(consumer segmentation)를 통해 두 개 또는 그 이상의 집단(class)으로 분류하는 단계; (5) 단계 (4)의 각 집단(class)에 대해 메타인지 값(d'MC)을 측정하는 단계; 및 (6) 두 개 또는 그 이상의 식품 시료에 대한 단계 (5)의 메타인지 값(d'MC)을 비교하여 메타인지 값(d'MC)이 높은 시료를 선별하는 단계를 포함하는 감각적 지각 품질이 높은 식품 시료를 판정하는 방법을 제공한다.
본 발명은 소비자의 개념적 식품 품질 특성을 측정하기 위해, 기존의 신호탐지이론의 측정방법과 달리, 배경 잡음에 대한 측정 없이 신호의 강도를 측정할 수 있고, 하나의 시료를 가지고 감각적 자극의 정도를 판단할 수 있을 뿐만 아니라, 관능평가를 위한 기준 검사물이 필요 없어, 소비자의 감각적 지각 품질을 간단하고 정확하게 측정할 수 있는 효과가 있다.
도 1은 두가지 반응을 나누어 고유성 실험에 사용한 설문지를 나타낸 도이다.
도 2는 소비자 인구통계특성(demographics) 정보에 대한 설문지를 나타낸 도이다.
도 3a) 및 도 3b)는 고유성 응답, 확신성 응답을 이용하여 메타인지 값(d' MC)을 구하는 과정을 나타낸 도이다.
도 4는 확신성 응답 빈도에 대한 카테고리 범주(boundary) 이동의 예를 나타낸 도이다;
도 4a) 및 도 4b)는 패널 39명의 S1에 대하여 (a)에서 (b)로 범주 이동을 한 것을 나타낸 도이다; 및
도 4c) 및 도 4d)는 패널 46명의 S2에 대하여 (c)에서 (d)로 범주 이동을 한 것을 나타낸 도이다.
도 5는 d' D 추정값에 대한 클러스터 분석 결과를 나타낸 도이다.
도 6은 d' MC 추정값에 대한 클러스터 분석 결과를 나타낸 도이다.
도 7은 두 개의 다른 고유성 측정 결과를 바탕으로 소비자 세분화를 나타낸 도이다;
도 7a)는 d' D 의 고유성 측정 결과를 바탕으로 소비자 세분화를 나타낸 도이다; 및
도 7b)는 d' MC의 고유성 측정 결과를 바탕으로 소비자 세분화를 나타낸 도이다.
이하, 본 발명을 상세히 설명한다.
본 발명은 (1) 식품의 감각적 자극에 대한 반응 응답을 측정하는 단계;
(2) 단계 (1)의 반응 응답에 대한 메타인지적 확신성 등급(metacognitive certainty rating)을 측정하는 단계; 및
(3) 단계 (1)의 반응 응답 및 단계 (2)의 메타인지적 확신성 등급을 이용하여 메타인지(metacognition) 값(d'MC)을 측정하는 단계를 포함하는 식품의 감각적 지각 품질의 정량적 측정 방법을 제공한다.
상기 방법은 상기 단계 (1) 이전에 상기 단계 (1)의 식품의 감각적 자극과 동일한 자극에 대해 상기 단계 (1) 및 (2)의 단계를 수행하는 연습 테스트(practice test) 단계를 추가적으로 포함하는 것이 바람직하나, 이에 한정되지 않는다.
상기 감각적 자극에 대한 반응 응답은 감각적 자극에 대한 개념적 품질 특성의 지각 여부를 1 내지 6점의 척도로 측정하는 것이 바람직하나, 이에 한정되지 않는다.
상기 상기 메타인지적 확신성 등급은 반응 응답에 대한 옳고 그름을 확신하는 정도에 따라 1 내지 4점의 척도로 측정하는 것이 바람직하나, 이에 한정되지 않는다.
상기 단계 (1)의 반응 응답이 감각적 자극에 대하여 개념적 품질 특성을 지각한 경우에 상기 단계 (2)의 메타인지적 확신성 등급의 반응 응답을 신호(signal)로 판정하고, 감각적 자극에 대하여 개념적 품질 특성을 지각하지 못한 경우에 상기 단계 (2)의 메타인지적 확신성 등급의 반응 응답을 배경잡음(noise)으로 판정하는 것이 바람직하나, 이에 한정되지 않는다.
상기 단계 (3)의 메타인지(metacognition) 값(d'MC)이 양수인 경우 식품에 대한 감각적 지각 품질이 높은 것으로 판정하고, 음수인 경우 식품에 대한 감각적 지각 품질이 낮은 것으로 판정하는 것이 바람직하나, 이에 한정되지 않는다.
본 발명에 따른 단계 (3)의 메타인지(metacognition) 값(d'MC)은 자신의 반응 응답에 대한 옳고 그름(correct/incorrect)을 확신 정도에 따라 판단하여 정량화한 값이며, 이는 반응 응답에 대한 확신성 등급척도를 통해 명확한 기준 시료가 없이도 한 종류의 시료에 대한 감각적 지각을 정량화 할 수 있다.
본 발명에 따른 단계 (3)의 메타인지(metacognition) 값(d'MC)을 구하는 방법은 본 발명의 도 3에 나타낸 방법으로 수행하는 것이 바람직하나, 이에 한정되지 않는다.
상기 메타인지(metacognition) 값(d'MC)은 신호탐지이론(Signal detection theory, SDT)을 적용하여 측정하는 것이 바람직하나, 이에 한정되지 않는다.
본 발명에 따른 단계 (1)의 감각적 자극에 대한 반응 응답은 식품에 대한 고유성인 것이 바람직하나, 이에 한정되지 않는다.
본 발명의 구체적인 실시예에서, 본 발명자들은 이화여자 대학교(서울, 한국)로부터 91명의 여성(연령 범위: 20-34세)을 모집하여 실험을 수행하였다. 본 실험을 위해 신선한 콩에서 느껴지는 고유한 고소함의 개념을 지니고 있어야 함으로 평소 콩을 자주 섭취하는 소비자를 대상으로 진행하였다.
또한, 본 발명의 실험은 7개 두유 생산 제품(commercial product)을 스크리닝을 통하여 선택하고 고유한 고소 맛의 넓은 범위를 나타내었다. 각각의 제품은 동일한 배치에서 동일한 날에 평가하였다. 상기 두유의 유효기간은 5개월 미만의 것으로 로컬 슈퍼마켓(서울, 한국)에서 구입하였다. 4 개의 두유는 연습실험에서 시료(stimuli)로 사용하였고, 세개의 두유는 메인 실험에서 시료로 사용하였다. 상기 발명에서 사용한 시료는 임의의 3자리 숫자를 사용하여 표시하였다.
또한, 본 발명의 실험 디자인을 표 1과 같이 계획하였다(표 1 참조). 각각의 실험 절차는 커버 스토리(cover story), 연습 테스트(practice test) 및 메인 테스트(main test) 등의 3가지 실험 단계로 구성하였다. 실험을 시작하기 전, 모든 패널에게 "우리는 3 가지 두유 제품을 제공할 것이다. 각각의 두유 제품에 대한 콩 제조 공정은 상이하다. 이것은 다른 신선한 콩의 고유한 고소한 맛을 느낄 수 있을 것이다. 신선한 콩에서 느껴지는 고소함을 떠올리면서 고유한 고소한 맛의 정도를 평가해 주시기 바랍니다" 라고 설명하였다. 상기 설명을 마친 후, 연습 및 메인 테스트로 구성된 고유성 실험은 한번에 하나의 시료를 제시하는 A-Not A 평가 방법처럼 수행하였다. 참가자들에게 시료를 균형된 순서로 제시하고, 이월 (carry-over) 효과를 제거하기 위하여 카운터 발란스(counter balanced)를 하였다. 메인 실험에서(표 1a 참조)는 세 가지의 시료가 15번씩, 3일 동안 한 시료당 총 45번씩 평가되었다. 또한, 참가자들은 두 가지 종류의 응답지에(고유성 및 확신성 척도) 각 시료에 대해 평가를 하였다(도 1 참조). 세 번째 세션의 실험을 마쳤을 때, 참가자들로부터 그들의 연령, 두유 섭취 빈도 등의 소비자 인구 통계 정보를 위한 설문지를 조사하였다. 소비자들은 각 시료에 대해서 고유한 고소함이 느껴지는지의 여부에 따라 6점 척도(1점: 고소하지않음, 고유한 고소함이 느껴지지 않음, 6점: 고소함, 고유한 고소함이 느껴짐)를 사용하여 고유성의 정도를 평가하도록 하였다(도 2 참조). 또한, 고유성 정도의 응답에 대한 확신 정도를 4점 척도(1점: 불확신, 4점: 확신)를 이용하여 평가하도록 하였다. E-프라임 2.0(심리학 소프트웨어 도구, 주식 회사)에 의하여 응답을 수집하였다.
또한, 모든 실험 대상으로부터 수득한 군집 고유성 측정을 비교하기 위하여, 시료 사이에서 pairwise를 비교한 결과를 바탕으로 고유성의 정도에 대한 차이(d' D )를 측정하였고(도 3 참조), 각 자극에 대한 독립적인 메타인지적 척도 결과를 바탕으로 메타인지적-고유성(d' MC )을 측정(도 4 참조)하였다.
또한, 고유성 인지에 대한 개인 간의 차이를 측정하기 위하여, XLSTAT을 통해 계층적 군집 분석(hierarchincal cluster analysis)을 수행하였고, 개별적인 d'D 지표에 대한 분석 결과 세개의 다른 그룹으로 분류하였다(도 5 참조). 개별적인 d'MC 지표를 바탕으로 소비자 세분화를 예측하였으며(도 6 참조 및 표 6 참조), d'D 및 d'MC 지표를 활용한 소비자 세분화를 비교하였다(표 7 참조).
따라서, 본 발명은 소비자의 개념적 식품 품질 특성을 측정하기 위해,기존의 신호탐지이론의 측정방법과 달리, 배경 잡음에 대한 측정 없이 신호의 강도를 측정할 수 있고, 하나의 시료를 가지고 감각적 자극의 정도를 판단할 수 있을 뿐만 아니라, 관능평가를 위한 기준 검사물이 필요 없어, 소비자의 감각적 지각 품질을 간단하고 정확하게 측정할 수 있는 효과가 있어, 식품의 감각적 지각 품질의 정량적 측정 방법에 유용하게 사용될 수 있다.
또한, 본 발명은 (1) 식품의 감각적 자극에 대한 반응 응답을 측정하는 단계;
(2) 단계 (1)의 반응 응답에 대한 메타인지적 확신성 등급(metacognitive certainty rating)을 측정하는 단계;
(3) 단계 (1)의 반응 응답 및 단계 (2)의 메타인지적 확신성 등급을 이용하여 메타인지(metacognition) 값(d'MC)을 측정하는 단계;
(4) 단계 (3)의 메타인지 값(d'MC)에 의해 군집 분석을 수행하여 소비자 세분화(consumer segmentation)를 통해 두 개 또는 그 이상의 집단(class)으로 분류하는 단계; 및
(5) 단계 (4)의 각 집단(class)에 대해 메타인지 값(d'MC)을 측정하는 단계를 포함하는 식품의 감각적 지각 품질의 정량적 측정 방법을 제공한다.
본 발명에 따른 단계 (3)의 군집 분석은 XLASTAT, SPSS 통계, SAS 또는 R 프로그램으로 이루어진 군으로부터 선택된 어느 하나로 수행하는 것이 바람직하나, 이에 한정되지 않는다.
본 발명에 따른 단계 (3)의 메타인지 값(d'MC)이 양수인 경우 식품에 대한 감각적 지각 품질이 높은 것으로 판정하고, 음수인 경우 식품에 대한 감각적 지각 품질이 낮은 것으로 판정하는 것이 바람직하나, 이에 한정되지 않는다.
본 발명에 따른 메타인지 값(d'MC)은 신호탐지이론(Signal detection theory, SDT)을 적용하여 측정하는 것이 바람직하나, 이에 한정되지 않는다.
본 발명은 소비자의 개념적 식품 품질 특성을 측정하기 위해, 기존의 신호탐지이론의 측정방법과 달리, 배경 잡음에 대한 측정 없이 신호의 강도를 측정할 수 있고, 하나의 시료를 가지고 감각적 자극의 정도를 판단할 수 있을 뿐만 아니라, 관능평가를 위한 기준 검사물이 필요 없어, 소비자의 감각적 지각을 간단하고 정확하게 측정할 수 있는 효과가 있어, 식품의 감각적 지각 품질의 정량적 측정 방법에 유용하게 사용될 수 있다.
또한, 본 발명은 (1) 두 개 또는 그 이상의 식품 시료의 감각적 자극에 대한 반응 응답을 측정하는 단계;
(2) 단계 (1)의 반응 응답에 대한 메타인지적 확신성 등급(metacognitive certainty rating)을 측정하는 단계;
(3) 단계 (1)의 반응 응답 및 단계 (2)의 메타인지적 확신성 등급을 이용하여 메타인지 값(d'MC)을 측정하는 단계 ; 및
(4) 두 개 또는 그 이상의 식품 시료에 대한 단계 (3)의 메타인지(metacognition) 값(d'MC)을 비교하여 메타인지 값(d'MC)이 높은 시료를 선별하는 단계를 포함하는 감각적 지각 품질이 높은 식품 시료를 판정하는 방법을 제공한다.
본 발명에 따른 단계 (3)의 메타인지 값(d'MC)이 양수인 식품 시료를 감각적 지각 품질이 높은 시료로 판정하는 것이 바람직하나, 이에 한정되지 않는다.
본 발명에 따른 상기 감각적 자극에 대한 반응 응답은 감각적 자극에 대한 개념적 품질 특성의 지각 여부를 1 내지 6점의 척도로 측정하는 것이 바람직하나, 이에 한정되지 않는다.
본 발명에 따른 상기 메타인지적 확신성 등급은 반응 응답에 대한 옳고 그름을 확신하는 정도에 따라 1 내지 4점의 척도로 측정하는 것이 바람직하나, 이에 한정되지 않는다.
본 발명은 소비자의 개념적 식품 품질 특성을 측정하기 위해,기존의 신호탐지이론의 측정방법과 달리, 배경 잡음에 대한 측정 없이 신호의 강도를 측정할 수 있고, 하나의 시료를 가지고 감각적 자극의 정도를 판단할 수 있을 뿐만 아니라, 관능평가를 위한 기준 검사물이 필요 없어, 소비자의 감각적 지각 품질을 간단하고 정확하게 측정할 수 있는 효과가 있어, 감각적 지각 품질이 높은 시료를 판정하는 방법에 유용하게 사용될 수 있다.
또한, 본 발명은 (1) 두 개 또는 그 이상의 식품 시료의 감각적 자극에 대한 반응 응답을 측정하는 단계;
(2) 단계 (1)의 반응 응답에 대한 메타인지적 확신성 등급(metacognitive certainty rating)을 측정하는 단계;
(3) 단계 (1)의 반응 응답 및 단계 (2)의 메타인지적 확신성 등급을 이용하여 메타인지(metacognition) 값(d'MC)을 측정하는 단계;
(4) 단계 (3)의 메타인지 값(d'MC)에 의해 군집 분석을 수행하여 소비자 세분화(consumer segmentation)를 통해 두 개 또는 그 이상의 집단(class)으로 분류하는 단계;
(5) 단계 (4)의 각 집단(class)에 대해 메타인지 값(d'MC)을 측정하는 단계; 및
(6) 두 개 또는 그 이상의 식품 시료에 대한 단계 (5)의 메타인지 값(d'MC)을 비교하여 메타인지 값(d'MC)이 높은 시료를 선별하는 단계를 포함하는 감각적 지각 품질이 높은 식품 시료를 판정하는 방법을 제공한다.
본 발명에 따른 단계 (4)의 메타인지 값(d'MC)이 양수인 식품 시료를 감각적 지각 품질이 높은 시료로 판정하는 것이 바람직하나, 이에 한정되지 않는다.
본 발명에 따른 단계 (1)의 감각적 자극에 대한 반응 응답은 식품에 대한 고유성인 것이 바람직하나, 이에 한정되지 않는다.
본 발명은 소비자의 개념적 식품 품질 특성을 측정하기 위해,기존의 신호탐지이론의 측정방법과 달리, 배경 잡음에 대한 측정 없이 신호의 강도를 측정할 수 있고, 하나의 시료를 가지고 감각적 자극의 정도를 판단할 수 있을 뿐만 아니라, 관능평가를 위한 기준 검사물이 필요 없어, 소비자의 감각적 지각 품질을 간단하고 정확하게 측정할 수 있는 효과가 있어, 식품의 시료 중 기준 검사물을 판정하는 방법에 유용하게 사용될 수 있다.
이하, 본 발명을 실시예 및 실험예에 의해서 상세히 설명한다. 단, 하기 실시예 및 실험예는 본 발명을 예시하는 것일 뿐, 본 발명의 내용이 하기 실시예 및 실험예의 의해서 한정되는 것은 아니다.
< 실시예 1> 실험 대상 모집
본 발명의 패널 요원은 이화여자 대학교(서울, 한국)로부터 91명의 여성(연령 범위: 20-34세)을 모집하여 실험을 수행하였다. 본 실험을 위해 신선한 콩에서 느껴지는 고유한 고소함의 개념을 지니고 있어야 함으로 평소 콩을 자주 섭취하는 소비자를 대상으로 진행하였다. 실험을 수행하기 전 패널 요원은 물을 제외하고는 적어도 한 시간 동안 음식 섭취 및 양치질을 허용하지 않았다. 본 연구는 이화여자 대학교 생명윤리위원회에 의하여 인증을 받았으며, 모든 참가자들에게 실험 절차, 실험 방법 및 세척 등에 대하여 설명한 후 동의서를 받았다.
< 실시예 2> 시료 준비
본 발명의 실험은 7개 두유 생산 제품(commercial product)을 스크리닝을 통하여 선택하고 고유한 고소 맛의 넓은 범위를 나타내었다. 각각의 제품은 동일한 배치에서 동일한 날에 평가하였다. 상기 두유의 유효기간은 5개월 미만의 것으로 로컬 슈퍼마켓(서울, 한국)에서 구입하였다. 4 개의 두유는 연습실험에서 시료(stimuli)로 사용하였고, 세개의 두유는 메인 실험에서 시료로 사용하였다. 상기 시료는 실온(22.5 ± 0.5℃)에서 보관하였으며, 일회용 플라스틱 컵(3 oz, 롯데 알루미늄 (주), 서울, 한국)에 20 ㎖ 씩 담아 플라스틱 쟁반에 제시하였다. 본 발명에 사용한 제품의 색 및 제품 정보는 실험을 하는 동안 제공되지 않도록 상기 플라스틱 컵을 불투명한 오렌지 종이로 포장하였다. 상기 시료는 임의의 3자리 숫자로 표시하였다. 모든 실험은 소비자 검사실에서 개별 부스(빛의 강도 650-720 럭스)에서 형광 조명 조건하에 수행하였다.
< 실시예 3> 실험 디자인 및 실험 절차
본 발명의 실험 디자인은 표 1에 나타내었다. 각각의 실험 절차는 커버 스토리(cover story), 연습 테스트(practice test) 및 메인 테스트(main test) 3가지 실험 단계로 구성하였다(표 1b).
구체적으로, 본 발명의 실험을 시작하기 전, 모든 패널에게 "우리는 3 가지 두유 제품을 제공할 것이다. 각각의 두유 제품에 대한 콩 제조 공정은 상이하다. 이것은 다른 신선한 콩의 고유한 고소 맛을 느낄 수 있을 것이다. 신선한 콩으로부터 느껴지는 고소함을 떠올리면서 고유한 고소한 맛의 정도를 평가해 주시기 바랍니다" 라고 설명하였다. 본 실험에 참가한 참가자들의 정서적 반응을 불러 일으키기 위하여 상기 설명을 큰 소리로 읽어 주었다. 상기 이야기를 마친 후, 연습 및 메인 테스트로 구성된 고유성 실험은 한번에 하나의 시료를 제시하는 A-Not A 평가 방법으로 수행하였다. 참가자들에게 시료를 균형된 순서로 제시하고, 이월(carry-over) 효과를 제거하기 위하여 카운터 발란스(counter balanced)를 하였다. 메인 실험에서(표 1a)는 세 가지의 시료가 15번씩, 3일 동안 한 시료당 총 45번씩 평가되었다. 또한, 참가자들은 두 가지 종류의 응답지에(고유성 및 확신성 척도) 각 시료에 대해 평가를 하였다(도 1). 소비자들은 각 시료에 대해서 고유한 고소함이 느껴지는지의 여부에 따라 6점 척도(1점: 고유한 고소함이 느껴지지 않음, 고소하지 않음, 6점: 고유한 고소함이 느껴짐, 고소함)를 사용하여 고유성의 정도를 평가하도록 하였다. 또한, 고유성 정도의 응답에 대한 확신 정도를 4점 척도(1점: 확신하지 않음, 4점: 확신함)를 이용하여 평가하도록 하였다(도 2). 세번째 세션의 실험을 마쳤을 때, 참가자들로부터 그들의 연령, 두유 섭취 빈도 등의 소비자 인구 통계 정보를 위한 설문지를 조사하였다. 본 발명에 참가한 참가자들은 각 서브 세션을 시작 하기 전에 상온에서 탈이온수(22.5 ± 0.5℃)를 사용하여 참가자들의 입안을 헹군 후, 레몬수(22.5 ± 0.5℃)를 사용하여 참가자들의 입안을 다시 헹군 뒤 실험을 진행하였다. 참가자들은 시료를 다시 맛보거나 점수 변경을 할 수 없었다. 그들은 시료의 첫 모금은 삼키고, 나머지는 원하는 경우 뱉도록 하였다. E-프라임 2.0(심리학 소프트웨어 도구, 주식 회사)에 의하여 응답을 수집하였다. 각 세션에서의 실험 단계는 약 한 시간 정도 소요되었다.
Figure 112014014491424-pat00001
< 실시예 4> 모든 실험 대상으로부터 수득한 군집 고유성 측정의 비교
<4-1> 시료( stimuli ) 사이에서 pairwise 를 비교하여 고유성( d' D ) 차이의 측정
고유성 평점은 d' D로 계산하여 고유성 측정을 하였다. 이는 서로 다른 두 가지 자극의 응답 빈도수를 비교하여 3개 쌍을 만들 수 있다(도 3a). 두 가지 자극의 총 d' D 값(estimates)을 분석하기 위하여,“고유한 고소함이 느껴짐”에 대한 3개의 응답 빈도수를 합하여 신호(signal)를 결정하였다. 만약 하나의 시료쌍에서 한 시료가 다른 시료에 비해“고유한 고소 함이 느껴짐”에 대한 높은 응답 빈도수를 가지고 있다면, 그것을 신호로 결정하였다. 그 결과, S2-S1, S2-S3, 및 S1-S3로 3가지 쌍을 결정하여 나타냈다. 상기 표시에서는 첫 번째는 신호, 다른 하나는 배경 잡음(noise)으로 나타내었다. 예를 들면, S2-S1 쌍에서 S2는 신호, S1은 배경잡음으로 정하였다. 이러한 고유성 척도는 고유성 측정 차이를 나타내는 d' D를 사용하여 시료간의 pairwise 비교를 바탕으로 계산하였다. 총 d' D 값을 측정하기위해 모든 참가자들(N = 91)에 대한 응답 빈도수를 합하였고, 이것은 Signal Detection Theory(Macmillan & Creelman, 2005)를 바탕으로 SDT Assistant(Hautus, 2012)라는 소프트웨어를 사용하여 계산하였다.
본 발명에서, parametric 방법을 이용하여 d' D 및 d' MC 값을 분석했을 때 d' D 및 d' MC 값의 일부 변수(some variance)가 분석되지 않았다. 따라서, nonparametric 방법(Green & Swets, 1966; Irwin, Hautus, & Butcher, 1999)으로 d' D 및 d' MC 값을 계산하는 것이 더 바람직하다고 판단하였다. nonparametric 방법은 ROC 곡선의 아래 면적을 측정함으로써 R-index를 nonparametric d'로 변환할 수 있다. 따라서, nonparametric 방법을 적용하여 d' 값을 분석하였다(Bi, Lee, & O'Mahony, 2013). 그 결과, 도 2에 나타낸 바와 같이, 두 가지의 서로 다른 고유성 측정 방법인 d' D(고유성 차이의 측정) 와 d' MC(메타인지적의 측정)은 nonparametric 방법을 사용하여 측정하였다. 두 가지의 고유성 측정 방법(d' D 및 d' MC)을 위해서 로그- 선형(log-linear)을 이용하여 d'의 참 값(true value)을 측정하고, 통계 편차를 감소시켰다. 모든 데이터는 변수 및 표준 오차의 값을 제공하도록 부트스트랩핑(bootstrapping)을 이용하였다. 연습 테스트에서 사용된 시료에 대한 응답은 본 발명의 분석에서 제외하였다. 또한, 총 d' D 값을 비교하기 위해, 평균 d' D 값을 계산해야 하고 이것은 참가자들 사이 고유성의 정도 차이 확인으로 이어질 수 있다. 도 3b에 나타낸 바와 같이, 고유성 측정 방법(d' MC)을 사용하여 확신성 등급 척도 데이타를 분석할 수 있으며, '고소함이 느껴짐'에 대한 응답 빈도수를 신호로 결정하고, '고소함이 느껴지지 않음 '에 대한 반응 빈도를 배경 잡음(noise)으로 결정하였다. 참가자들이 자신의 응답(고소함이 느껴짐)에 대하여 연속적으로 확신하거나, 그들의 응답에 대한 확신이 없을 때(고소함이 느껴지지 않음), 높은 d' MC를 수득할 수 있다. 이것은 참가자들이 주어진 시료가 고유하다는 그들의 반응에 대한 인식을 가지고 있는 것을 나타내었다. 다른 한편으로는, 참가자들이 그들의 반응(고소함이 느껴짐)에 대해 확신하거나 그들의 반응(고소함이 느껴지지 않음)에 대해 불확신하다고 응답을 할 때, 그것은 낮은 d' MC 결과로 나타났다.
평균 d' D를 측정하기 전에, 세 가지 다른 쌍(S2 - S1, S2 -S3, S1 S3)에 대한 개별 데이터는 SDT를 사용하여 개별 nonparametric d' D 값으로 계산되었다. 개별 nonparametric d' D 값 분석은, S2-S1에서 S2, S2-S3에서 S2, 및 S1-S3 쌍에서 S3을 신호로 각각 결정하였다. 각 소비자에 대한 확실성 척도가 포함된 고유성 응답은 1(고소 하지 않다, 고소함이 느껴지지 않음)부터 6(고소함, 고소함이 느껴짐)의 순서로 계산하였다. 그런 다음, 각 개별 d' D 는 R 버전 3.0.2 및 R 코드(Bi, 2005)를 사용하여 모든 패널들(N=91)의 평균을 계산하였다.
<4-2> 각 시료에 대한 독립적인 메타인지적 척도를 바탕으로 메타인지적 -고유성( d' MC )의 측정
확신성 척도는 각 시료에 대한 독립적인 메타인지적 척도를 바탕으로 메타 인지적(d' MC) 측정 방법을 사용하여 계산하였다. 세가지 자극(S1, S2, 및 S3)에 대한 개별 데이터는 고유성에 대한 메타인지적 인덱스로써 nonparametric d' MC 추정값으로 계산되었다.
구체적으로, 각 패널은 '고유한 고소함이 느껴지지 않음' 과 '고유한 고소함이 느껴짐'에 대한 고유성의 정도를 평가하였으며, 이것으로 참가자들의 이전 응답('고소함이 느껴지지 않음' 및 '고소함이 느껴짐')에 대한 확신성 정도를 도출할 수 있었다. 개별 nonparametric d' MC 추정값을 계산하기 위해 각 시료에 대한 확신성 응답 척도를 1(확실하지 않음) 부터 4(확실함)의 방향으로 계산하였다. 이 과정을 위해 '고소함이 느껴짐'에 대한 응답을 신호로 결정하였고 '고소함이 느껴지지 않음'에 대한 응답을 배경 잡음으로 결정하였다. 개별 d' MC 추정값은 오직 평균 방법을 사용하여 계산하였다. 그러나, 일부 경우, '고소함이 느껴짐' 또는 '고소함이 느껴지지 않음'에 대한 확신 척도의 개별 응답 빈도 수의 총 합이 0으로 도출되었다. 이러한 개별 확신성 척도는 정확하지 않았으며 비정상적 변수 또는 d' 추정값을 수득하였다. 따라서, 0을 가지게 되는 결과들을 제거하기 위하여, 카테고리 범주(category boundaries)를 임의로 바꾸었다. 메타인지적 응답에서 카테고리 범주(category boundaries)를 바꿀 때, 6점의 고유성 등급 척도를 먼저 확인해야 한다. 이것은 시료에 대해 문제가 있는 응답 빈도수에 대해서만 조정이 되었으며, 0이 제거될 때까지 범주(boundary)를 합쳤다. 이러한 이유로 카테고리 범주의 위치는 패널의 각 시료마다 다르다. 예를 들면 39번 패널에 대한 S1에서 4(잘 모르겠지만 고소한 듯 함, 고유한 고소함이 느껴짐)부터 6(고소함, 고유한 고소함이 느껴짐)까지의 응답 빈도수는 0으로 나타났다. 그 결과, 도 4a에 나타낸 바와 같이 '고소함이 느껴짐'에 대한 메타인식 응답 빈도수는 1(불확신)부터 4(확신)까지 0으로 나타났다. 그런 다음, 0을 제거하기 위하여 3(고소함이 느껴지는 것에 대해 잘 모르지만 추측할 수 있다)부터 6까지의 카테고리 범주를 결합하였다. 따라서, 이 결과들은 메타 인지적 응답 빈도수를 수집할 때 '고소함이 느껴짐'에 대한 빈도수로 고려하여 사용할 수 있다(도 4b). 46번 패널에 대한 S2의 경우, 1(고소하지않음, 고유한 고소함이 느껴지지 않음)부터 4까지의 총 고유성 응답 빈도수는 0이다. 또한, 1(불확신)부터 4(확신)까지‘고소함을 느끼지 못함'에 대한 메타인지적 응답 빈도수의 총 합계는 0이다(도 4c). 이러한 0을 제거하기 위하여, 1부터 5(다소 고소한 듯 함, 고유한 고소함이 느껴짐)까지의 카테고리 범주를 결합하였다. 따라서, 메타인지적 응답 빈도수를 수집할 때 '고소함이 느껴지지 않음'에 대한 빈도수로 고려되어 사용하였다(도 4d).
< 실시예 5> 고유성 인지에 대한 개인 간의 차이
<5-1> 소비자 세분화를 위한 계층적 군집 분석( hierarchical cluster analysis )
두개의 서로 다른 고유성 측정 방법(d' D 및 d' MC)에 대한 계층적 군집 분석은 Spearman 비유사성(= 0.9)을 바탕으로 XLSTAT(Addinsoft, 2008) 프로그램을 이용하여 분석하였다. 개별 nonparametric d' D 및 d' MC 값은 상기 클러스터 분석방법에 사용하였으며, 상기 분석 방법은 주어진 제품에 대해 유사하게 고유성을 인식하는 소비자군으로 구별하는 것에 사용하였다.
<5-2> 고유성 측정 세분화의 비교( d' D 및 d' MC )
d' D 및 d' MC 분류를 기준으로 소비자 세분화를 비교하기 위해, SDT Assistant를 사용하여 개별 nonparametric d' D 및 d' MC 추정값을 통합하였고 R 버젼 3.0.2 및 R 코드(Bi, 2005)를 사용하여 분류의 결과에 따라 각 소비자 그룹의 평균 값을 구하였다.
< 실시예 6> 소지바 전체 집단의 고유성 측정 방법( d' D 및 d' MC ) 비교
<6-1> 시료 간 쌍별 비교( pairwise comparison )에 대한 고유성( d' D ) 차이의 측정
고유성(d' D) 차이 정도의 측정 방법에 의한 고유성 평가 결과는 표 2에 나타내었다. 각 쌍에 대해 계산된 평균 d' D 추정 값에 따르면, 세 쌍의 d' D 추정값 간에서 유의적으로 차이가 나타났다(p<0.05). d' D 값은 모든 참가자(N=91)의 고유성 평점을 모두 합쳐서 계산되었다. S2를 신호(signal)로, S1을 잡음(noise)으로 하여 처리된 S2-S1 쌍에 대한 총 d' D 값은 0.311이 도출되었고, S1을 신호로, S3을 잡음으로 하여 처리된 S1-S3 쌍에서는 0.233으로 나왔다. 이러한 S2-S3 쌍에 대한 d' D 값들은 유의적으로 차이가 있었지만(p<0.05), S2-S1 과 S1-S3 쌍에서의 d' D 값은 유의적인 차이가 나타나지 않는 것을 확인하였다. 이 결과, 두개의 d' D 계산 방법의 결과 차이가 크게 나타났고, 이는 d' 값의 계산 과정에서 개별 패널의 데이터가 무시되었기 때문이다. 따라서, 개별 패널의 응답 패턴을 확인하기 위해서는 클러스터 분석을 수행해야 한다.
Figure 112014014491424-pat00002
<6-2> 각 시료에 대한 독립적인 메타인지적 등급 척도를 바탕으로 고유성( d' MC ) 측정
각 시료에 대한 평균 d' MC 값의 결과는 표 3에 나타내었다. 결과적으로, 각 시료에 대한 평균 d' MC는 유의적인 차이(p<0.05)가 나타나는 것을 확인하였고, S2에 대한 d' MC는 높고 S1은 다른 것에 비해 낮게 나타나는 것을 확인하였다. 이것은 참가자들이 S2에 대한 고유한 고소한 맛을 인지하는 것으로 해석할 수 있으며, S1에 대해서는 고유함을 인지하지 못하는 것으로 확인하였다. 각 패널은 고유성 정도에 따라 서로 다른 확신 정도의 기준이 있고, 고유성의 정도에 대한 카테고리 경계를 임의로 바꾸는 과정에서 개별 패널이 지니고 있는 기준이 달라졌기 때문에 총 d' MC 값은 개별 패널의 d' MC 값을 사용하여 그룹 전체의 고유성을 측정할 수 없었다.
<6-3> 두개의 다른 고유성 측정 방법( d' D 및 d' MC ) 비교
d' D 와 d' MC의 두 가지 고유성 측정 방법은 계산 과정에서 서로 다르다. 예를 들면, d' D 계산을 위한 고유성을 측정할 때, 두 개의 시료 쌍에서 신호 및 배경 잡음을 결정할 필요가 있다. 두 개의 시료 쌍 사이에서 강한 것('고유한 고소함이 느껴짐'에 대한 높은 응답률을 가지고 있는 것)을 신호, 약한 것(고'고유한 고소함이 느껴짐'에 대한 낮은 응답률을 가지고 있는 것)을 잡음으로 결정하였다. 한편, 고유성 측정 방법(d' MC)은 순서를 결정할 필요가 없는데 이는, 각 시료에 대한 개별적인 메타인지적 등급 척도를 측정할 수 있기 때문이다. 또한, 전체 그룹에 대한 고유성 측정 방법(d' D 및 d' MC)을 사용하여 개별 패널의 응답 패턴을 파악하기에는 한계가 있기 때문에 고유성 인지에 대한 개인 차이를 고려할 수 있는 클러스터 분석이 필요하다.
Figure 112014014491424-pat00003
< 실시예 7> 고유성 인지에 대한 개인 상호간의 차이
<7-1> d' D 분류에 따른 소비자 세분화
고유한 고소한 맛에 대하여 소비자들의 응답 패턴을 평가하기 위하여, 6점 척도와 4점 척도에 대한 응답 빈도 분포의 계층적 군집 분석을 각각 수행하였다.
구체적으로, 개별 패널의 d' D 측정치를 분류하였고 이러한 소비자 분류를 통해 각 시료에 대해 유사한 응답 패턴을 가지고 있는 세 개의 서로 다른 소비자 그룹으로 분류하였다(도 5). 상기 군집 분석 결과에 따라, 각 그룹의 개별 d' D 값은 소비자 그룹에서 응답 패턴이 어떻게 서로 다른지를 알아보기 위하여 평균 및 합치는 분석 방법(pooling method)에 의해 계산되었다(표 4). 각 그룹에서, 어떤 시료 쌍의 개별 d' D 값이 높은 양수로 나타났다면, 한 쌍 안에서 신호로 사용된 시료는 그 다른 하나에 비해 상대적으로 고유성을 지니고 있다고 간주하였다. 하지만, d' D 값이 음수일 때, 한 쌍에서 배경 잡음으로 사용된 시료가 상대적으로 고유성을 지니고 있다고 간주하였다. 각 그룹(class)에서 두 개의 시료 간의 거리를 비교하였을 때 그룹 1(44명) 경우, S2-S1 쌍은 높은 d' D 값이 나타났고, S1-S3 쌍은 낮은 d' D 값을 가지는 것을 확인하였다. 이것은 S2-S1 쌍에서의 두 시료 간의 거리차가 S1-S3 쌍보다 크다는 것을 나타낸다. 그룹 2(32명)에서 S1-S3 쌍은 높은 d' D 값을 가지고 있고, S2-S1 쌍은 낮은 d' D 값을 가지고 있으며, 그룹 3(15 명)에서는 S1-S3 쌍에서 높은 d' D 값이 나타났고, S2-S3 쌍에서 낮은 d' D 값이 나타나는 것을 확인하였다. 모든 그룹에서 d' D 값 간에 유의적인 차이가 나타나는 것을 확인하였다(p<0.05). 전체(pooled) d' D 값의 결과를 비교하였을 때, 그룹 1에서는 S2-S1쌍, 그룹 2과 3에서는 S1-S3에 대해서 고유성의 상대적인 거리에서 크게 차이가 나는 것으로 나타났다. 또한, 표 2의 결과를 비교하였을 때, 평균 및 총 d' D 값 간의 결과 차는 감소 하였다. 그러나, 총 d' D 값이 음수 값으로 계산되었으며 이는, 고유성 등급 척도를 바탕으로 소비자 세분화 과정에서 모든 패널의 신호와 배경 잡음의 순서를 동일하게 하여 분석했기 때문이다. 실제로, 고유성 등급 척도에 대한 분석 방법(d' D)은 두 가지의 다른 시료 간의 거리를 나타내기 때문에 이러한 음수 값을 제거하기 위하여 총 d' D 값을 양수 값으로 전환하는 과정이 필요하다.
Figure 112014014491424-pat00004
<7-2> d' MC 분류를 바탕으로 소비자 세분화 예측
개별 d'MC 값을 사용한 군집 분석 과정을 통해 세 개의 소비자 그룹으로 분류되었고, 그 결과는 도 6에 나타내었다(도 6). d' D 및 d' MC 데이터를 사용하여 세분화한 결과, 각 그룹의 응답 패턴은 거의 비슷하게 나타나는 것을 확인하였다. 그룹 1(33명)은 S2를 고유한 시료라고 인지하는 경향이었고, S1은 고유하지 않은 시료라고 인지하였다. 그룹 2(33명)의 확신 응답 패턴을 살펴보았을 때 S1에 대해서 가장 높은 d' D 값이 나타났고, 이는 S1이 가장 고유한 시료로써 확신한다는 것으로 해석될 수 있다. 반면, 그들은 S3에 대해서 고유성이 느껴지지 않는 시료로써 불확실하다고 응답하였다. 그룹 3(25명)은 S3이 오히려 다른 것보다 더 고유하다고 확신했으며, S1은 고유한 시료가 아니라고 확신하였다. 표 5에서 평균 d' MC의 값은 각 그룹에서 세 개의 시료간에 유의적인 차이가 나타나는 것을 확인하였다(p<0.05). 또한, d' D 값은 군집 분석의 결과를 바탕으로 시료간의 고유성 차이 정도를 파악하기 위해 계산하였다(도6). 표 6에서 나타낸 바와 같이, 모든 그룹에서 d' D 값 간에 유의적으로 차이가 나타나는 것을 확인하였다(p<0.05). 평균 및 전체 데이타 간의 결과 차이는 감소하는 것을 확인하였다. 그룹 3에서 S3-S2쌍이 0.002를 가지는 것처럼 여전히 음수 값을 가지는 평균 d' D이 존재했지만 이 값은 거의 0으로 볼 수 있기 때문에 무시할 수 있는 수치라고 할 수 있다.
Figure 112014014491424-pat00005
Figure 112014014491424-pat00006
<7-3> 두 가지 다른 소비자 세분화 방법의 비교
두 가지의 서로 다른 고유성 측정 방법(d' D 및 d' MC)을 통해 얻어진 결과를 비교하였을 때, d' D 값을 바탕으로 분석한 소비자 세분화 과정은 음수 값을 양수 값으로 변환해야하는 추가적인 분석을 진행해야 하기 때문에 훨씬 복잡하다고 할 수 있다. 반면, d' MC에 따라 진행된 소비자 세분화 결과를 통해 어느 시료가 가장 강한지 알 수 있고, 이를 바탕으로 개별 시료에 대한 고유성의 정도를 확인할 수 있다. 또한, 이러한 정보는 개별 패널이 생각하는 가장 고유한 시료가 무엇인지 파악하는데 도움이 될 수 있다. 표 7에 나타낸 바와 같이, 확신 정도에 대한 고유성 측정 방법(d' MC)은 개별 시료에 대한 고유성의 정도를 이해하는데 훨씬 수월하다는 것을 확인하였다. 그러므로, 소비자 세분화 과정을 위해 두 시료 간의 상대적인 차이를 측정할 필요가 없는 것을 확인하였다.
이전 연구(Boutrolle et al., 2009)에서는 고유성 평가를 통해 고유성의 정도를 사용할 수 있는 지에 대한 가능성을 조사하였다. 그들은 실험에서 2가지 제품(X,Y)에 대한 '정품' 및 '가품'이라는 4가지의 서로 다른 응답을 수득하였다. 이 실험에서 군집 분석은 소비자들의 개별 응답(Y-참조, X-참조, 자유 및 보수적인 대상)에 대한 SDT 메트릭스를 바탕으로 수행되었다. 이러한 분석은 소비자 그룹 간에 응답 패턴이 어떻게 다른지에 대하여 조사하고자 하였나, 고유성에 대한 그들의 응답 차이와 그들이 사용한 판정 기준은 종속적으로 분석되었다. 반면, 본 발명에서는 개별 고유성에 대한 정량적인 수치를 사용하여 소비자를 세분화 하였고, 이것은 d' D 및 d' MC 값을 계산할 때 응답 성향(bias)을 개별적으로 측정할 수 있는 SDT를 바탕으로 사용하였다. 그러므로 군집 분석 수행에 의해 소비자들의 고유성 응답 패턴의 차이를 찾아낼 수 있음을 확인하였다.

Claims (17)

  1. (1) 식품의 감각적 자극에 대한 반응 응답을 측정하는 단계;
    (2) 단계 (1)의 반응 응답에 대한 메타인지적 확신성 등급(metacognitive certainty rating)을 측정하는 단계; 및
    (3) 단계 (1)의 반응 응답 및 단계 (2)의 메타인지적 확신성 등급을 이용하여 메타인지(metacognition) 값(d'MC)을 측정하는 단계를 포함하고, 상기 단계 (1)의 반응 응답이 감각적 자극에 대하여 개념적 품질 특성을 지각한 경우에 상기 단계 (2)의 메타인지적 확신성 등급의 반응 응답을 신호(signal)로 판정하고, 감각적 자극에 대하여 개념적 품질 특성을 지각하지 못한 경우에 상기 단계 (2)의 메타인지적 확신성 등급의 반응 응답을 배경잡음(noise)으로 판정하는 것을 특징으로 하는 식품의 감각적 지각 품질의 정량적 측정 방법.
  2. 제 1항에 있어서, 상기 방법은 상기 단계 (1) 이전에 상기 단계 (1)의 식품의 감각적 자극과 동일한 자극에 대해 상기 단계 (1) 및 (2)의 단계를 수행하는 연습 테스트(practice test) 단계를 추가적으로 포함하는 것을 특징으로 하는 식품의 감각적 지각 품질의 정량적 측정 방법.
  3. 제 1항에 있어서, 상기 감각적 자극에 대한 반응 응답은 감각적 자극에 대한 개념적 품질 특성의 지각 여부를 1 내지 6점의 척도로 측정하는 것을 특징으로 하는 식품의 감각적 지각 품질의 정량적 측정 방법.
  4. 제 1항에 있어서, 상기 메타인지적 확신성 등급은 반응 응답에 대한 옳고 그름을 확신하는 정도에 따라 1 내지 4점의 척도로 측정하는 것을 특징으로 하는 식품의 감각적 지각 품질의 정량적 측정 방법.
  5. 삭제
  6. 제 1항에 있어서, 상기 단계 (3)의 메타인지 값(d'MC)이 양수인 경우 음수인 경우에 비해 식품에 대한 감각적 지각 품질이 높은 것으로 판정하고, 음수인 경우 양수인 경우에 비해 식품에 대한 감각적 지각 품질이 낮은 것으로 판정하는 것을 특징으로 하는 식품의 감각적 지각 품질의 정량적 측정 방법.
  7. 제 1항에 있어서, 상기 단계 (3)의 메타인지 값(d'MC)은 신호탐지이론(Signal detection theory, SDT)을 적용하여 측정하는 것을 특징으로 하는 식품의 감각적 지각 품질의 정량적 측정 방법.
  8. (1) 식품의 감각적 자극에 대한 반응 응답을 측정하는 단계;
    (2) 단계 (1)의 반응 응답에 대한 메타인지적 확신성 등급(metacognitive certainty rating)을 측정하는 단계;
    (3) 단계 (1)의 반응 응답 및 단계 (2)의 메타인지적 확신성 등급을 이용하여 메타인지(metacognition) 값(d'MC)을 측정하는 단계;
    (4) 단계 (3)의 메타인지 값(d'MC)에 의해 군집 분석을 수행하여 소비자 세분화(consumer segmentation)를 통해 두 개 또는 그 이상의 집단(class)으로 분류하는 단계; 및
    (5) 단계 (4)의 각 집단(class)에 대해 메타인지 값(d'MC)을 측정하는 단계를 포함하고, 상기 단계 (1)의 반응 응답이 감각적 자극에 대하여 개념적 품질 특성을 지각한 경우에 상기 단계 (2)의 메타인지적 확신성 등급의 반응 응답을 신호(signal)로 판정하고, 감각적 자극에 대하여 개념적 품질 특성을 지각하지 못한 경우에 상기 단계 (2)의 메타인지적 확신성 등급의 반응 응답을 배경잡음(noise)으로 판정하는 것을 특징으로 하는 식품의 감각적 지각 품질의 정량적 측정 방법.
  9. 제 8항에 있어서, 상기 단계 (4)의 군집 분석은 XLASTAT, SPSS 통계, SAS 또는 R 프로그램으로 이루어진 군으로부터 선택된 어느 하나로 수행하는 것을 특징으로 하는 식품의 감각적 지각 품질의 정량적 측정 방법.
  10. 제 8항에 있어서, 상기 단계 (3)의 메타인지 값(d'MC)이 양수인 경우 음수인 경우에 비해 식품에 대한 감각적 지각 품질이 높은 것으로 판정하고, 음수인 경우 양수인 경우에 비해 식품에 대한 감각적 지각 품질이 낮은 것으로 판정하는 것을 특징으로 하는 식품의 감각적 지각 품질의 정량적 측정 방법.
  11. 제 8항에 있어서, 상기 단계 (3) 및 (5)의 메타인지 값(d'MC)은 신호탐지이론(Signal detection theory, SDT)을 적용하여 측정하는 것을 특징으로 하는 식품의 감각적 지각 품질의 정량적 측정 방법.
  12. (1) 두 개 또는 그 이상의 식품 시료의 감각적 자극에 대한 반응 응답을 측정하는 단계;
    (2) 단계 (1)의 반응 응답에 대한 메타인지적 확신성 등급(metacognitive certainty rating)을 측정하는 단계;
    (3) 단계 (1)의 반응 응답 및 단계 (2)의 메타인지적 확신성 등급을 이용하여 메타인지 값(d'MC)을 측정하는 단계 ; 및
    (4) 두 개 또는 그 이상의 식품 시료에 대한 단계 (3)의 메타인지(metacognition) 값(d'MC)을 비교하여 메타인지 값(d'MC)이 높은 시료를 선별하는 단계를 포함하는 감각적 지각 품질 평가를 통하여 식품 시료를 판정하는 방법.
  13. 제 12항에 있어서, 상기 단계 (3)의 메타인지 값(d'MC)이 양수인 식품 시료를 감각적 지각 품질 평가를 통하여 식품 시료로 판정하는 것을 특징으로 하는 감각적 지각 품질 평가를 통하여 식품 시료를 판정하는 방법.
  14. (1) 두 개 또는 그 이상의 식품 시료의 감각적 자극에 대한 반응 응답을 측정하는 단계;
    (2) 단계 (1)의 반응 응답에 대한 메타인지적 확신성 등급(metacognitive certainty rating)을 측정하는 단계;
    (3) 단계 (1)의 반응 응답 및 단계 (2)의 메타인지적 확신성 등급을 이용하여 메타인지(metacognition) 값(d'MC)을 측정하는 단계;
    (4) 단계 (3)의 메타인지 값(d'MC)에 의해 군집 분석을 수행하여 소비자 세분화(consumer segmentation)를 통해 두 개 또는 그 이상의 집단(class)으로 분류하는 단계;
    (5) 단계 (4)의 각 집단(class)에 대해 메타인지 값(d'MC)을 측정하는 단계; 및
    (6) 두 개 또는 그 이상의 식품 시료에 대한 단계 (5)의 메타인지 값(d'MC)을 비교하여 메타인지 값(d'MC)이 높은 시료를 선별하는 단계를 포함하는 감각적 지각 품질 평가를 통하여 식품 시료를 판정하는 방법.
  15. 제 14항에 있어서, 상기 단계 (5)의 메타인지 값(d'MC)이 양수인 식품 시료를 감각적 지각 품질 평가를 통하여 식품 시료로 판정하는 것을 특징으로 하는 감각적 지각 품질 평가를 통하여 식품 시료를 판정하는 방법.
  16. 제 1항 내지 제 4항, 제 6항 내지 제 10항 및 제 11항 중 어느 한 항에 있어서, 상기 단계 (1)의 감각적 자극에 대한 반응 응답은 식품에 대한 고유성(Authenticity)인 것을 특징으로 하는 식품의 감각적 지각 품질의 정량적 측정 방법.
  17. 제 12항 내지 제 15항 중 어느 한 항에 있어서, 상기 단계 (1)의 감각적 자극에 대한 반응 응답은 식품에 대한 고유성(Authenticity)인 것을 특징으로 하는 감각적 지각 품질 평가를 통하여 식품 시료를 판정하는 방법.
KR1020140016999A 2014-02-14 2014-02-14 탐지 이론을 적용한 식품의 감각적 지각 품질의 정량적 측정 방법 KR101447541B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020140016999A KR101447541B1 (ko) 2014-02-14 2014-02-14 탐지 이론을 적용한 식품의 감각적 지각 품질의 정량적 측정 방법
PCT/KR2014/005965 WO2015122582A1 (ko) 2014-02-14 2014-07-03 탐지 이론을 적용한 식품의 감각적 지각 품질의 정량적 측정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140016999A KR101447541B1 (ko) 2014-02-14 2014-02-14 탐지 이론을 적용한 식품의 감각적 지각 품질의 정량적 측정 방법

Publications (1)

Publication Number Publication Date
KR101447541B1 true KR101447541B1 (ko) 2014-10-08

Family

ID=51996632

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140016999A KR101447541B1 (ko) 2014-02-14 2014-02-14 탐지 이론을 적용한 식품의 감각적 지각 품질의 정량적 측정 방법

Country Status (2)

Country Link
KR (1) KR101447541B1 (ko)
WO (1) WO2015122582A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170036860A (ko) 2015-09-18 2017-04-03 이화여자대학교 산학협력단 3점 선호도 검사와 동일-비동일 검사를 융합한 선호도-차이 식별 검사를 사용한 식품의 감성적 선호도 측정 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090043957A (ko) * 2007-10-30 2009-05-07 한국식품연구원 퍼지 추론을 이용한 복분자주의 품질등급 평가방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5339820B2 (ja) * 2008-08-29 2013-11-13 長谷川香料株式会社 飲食物の風味を評価する方法
KR20120042489A (ko) * 2010-10-25 2012-05-03 이화여자대학교 산학협력단 식품의 주요 관능적 특성 평가를 위한 표준척도 및 이를 이용한 관능적 특성 평가방법
US20120208166A1 (en) * 2011-02-16 2012-08-16 Steve Ernst System and Method for Adaptive Knowledge Assessment And Learning
JP2013178155A (ja) * 2012-02-28 2013-09-09 Shimadzu Corp 機器分析データ処理装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090043957A (ko) * 2007-10-30 2009-05-07 한국식품연구원 퍼지 추론을 이용한 복분자주의 품질등급 평가방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170036860A (ko) 2015-09-18 2017-04-03 이화여자대학교 산학협력단 3점 선호도 검사와 동일-비동일 검사를 융합한 선호도-차이 식별 검사를 사용한 식품의 감성적 선호도 측정 방법

Also Published As

Publication number Publication date
WO2015122582A1 (ko) 2015-08-20

Similar Documents

Publication Publication Date Title
Esmerino et al. Consumer-based product characterization using Pivot Profile, Projective Mapping and Check-all-that-apply (CATA): A comparative case with Greek yogurt samples
Chaturvedi et al. Evaluation of inter-rater agreement and inter-rater reliability for observational data: an overview of concepts and methods
Costell A comparison of sensory methods in quality control
Milosavljevic et al. Consumers can make decisions in as little as a third of a second
Kemp et al. Introduction to descriptive analysis
Altmann et al. Human perception of color differences using computer vision system measurements of raw pork loin
da Silva et al. Performance of hedonic scales in sensory acceptability of strawberry yogurt
Chae et al. Affective same-different discrimination tests for assessing consumer discriminability between milks with subtle differences
Ishii et al. Relating consumer and trained panels’ discriminative sensitivities using vanilla flavored ice cream as a medium
Lankman et al. Validation and evaluation of the Dutch translation of the Overall Assessment of the Speaker's Experience of Stuttering for School-age children (OASES-SD)
Madden et al. Adult age differences in the implicit and explicit components of top-down attentional guidance during visual search.
van Bommel et al. Dutch consumers do not hesitate: Capturing implicit ‘no dominance’durations using Hold-down Temporal Dominance methodologies for Sensations (TDS) and Emotions (TDE)
Turpin et al. Development of visual field screening procedures: a case study of the octopus perimeter
Beauny et al. Unconscious categorization of sub-millisecond complex images
Kim et al. Consumer acceptance measurement focusing on a specified sensory attribute of products: Can the attribute-specified degree of satisfaction-difference (DOSD) method replace hedonic scaling?
Ipser et al. The Multisense Test of lexical–gustatory synaesthesia: An automated online diagnostic
De Bouillé et al. Sensory evaluation methods for food and beverage shelf life assessment
Adjei Applications and limitations of discrimination testing
Meyerding Combining eye-tracking and choice-based conjoint analysis in a bottom-up experiment.
KR101447541B1 (ko) 탐지 이론을 적용한 식품의 감각적 지각 품질의 정량적 측정 방법
KR100911356B1 (ko) 운전정밀검사 시스템 및 그에 따른 제어방법
Read et al. Characterizing the Randot Preschool stereotest: Testability, norms, reliability, specificity and sensitivity in children aged 2-11 years
Lawless et al. Discrimination testing
Burns et al. Comparison of triangle and tetrad discrimination methodology in an applied manner
Scott et al. Exploring the use of rapid profiling techniques for use in older adult populations

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180919

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190701

Year of fee payment: 6