آناليز و تفسير داده‌هاي حسي با استفاده از تحليل مولفه‌هاي اصلي (PCA)

Analyses of sensory evaluation data using Principal Component Analysis :PCA

تحليل داده‌ها، پيچيده‌ترين و مبهم‌ترين مرحله در اجراي طرح‌ها و پروژه‌هاي ارزشيابي حسي مواد خوراكي و آشاميدني است و در مقاله‌هاي علمي كم‌ترين بحث‌هاي انديشمندانه و نظام‌مند در مورد آن صورت گرفته است. مقاله‌ي حاضر، حاصل بيش از يك دهه تحصيل، تدريس و فعاليت‌هاي پژوهشي نويسنده و با بهره‌گيري از تعدادي منابع معتبر ديگر است. اين مقاله با هدف تشريح مراحل تحليل داده‌هاي حسي و استفاده از مولفه‌هاي اصلي در تجسم هرچه بهتر داده‌هاي حسي و ارايه‌ي مثال‌هاي كاربردي نوشته شده است. در حالي كه مرور متون علمي خارجي، حاكي از استفاده‌ي گسترده از اين رويكرد براي تحليل داده‌هاي حسي است؛ ولي تشريح مراحل تحليل داده‌ها همراه با جزييات از سوي نويسندگان مطالعات يادشده، كم‌تر روي داده است. حال آن‌كه اين اطلاعات تاكنون به زبان فارسي به صورت منسجم و كاربردي نيز منتشر نشده است. از آن‌جا كه ارايه‌ي جزييات بيش‌تر در مورد روش PCA امكان دسترسي پژوهشگران و دانشجويان به اطلاعات كافي و مورد نياز را فراهم مي‌سازد و راهنماي مناسبي براي آنان در پژوهش‌هاي بعدي خواهد بود؛ از اين‌رو تشريح مراحل تحليل داده‌هاي حسي بر پايه‌ي استفاده از PCA و معيارهاي لازم براي تفسير آن‌ها ضروري بوده و در اين مقاله به آن‌ها پرداخته شده است.

Data analysis is the most complicated and ambiguous step in food and drink sensory evaluation projects. Accordingly, the least systematic and contemplativeness discussions have been made in scientific articles. The present article is the result of studying, teaching and research activities of the author in the past 10 years, in which a number of other valid sources have been used. This paper is intended to describe the stages of sensory data analysis and the use of the principal components in the visualization of sensory data and to present practical examples. The review of scientific literature indicates that many studies have used this approach for analyzing sensory data. But the analysis and interpretation of such data have not been described in details. Such information has not yet been published in Persian in scientific form. So, presenting further details on the PCA method provides scholars and students with access to the necessary information and makes a practical guide available for them in future researches. Therefore, describing the process of sensory data analysis based on the use of PCA and the related criteria for their interpretation is essential and discussed in this paper.