Luchuchu的過往

原文網址：http://www.scaa.org/chronicle/2016/04/27/the-science-behind-the-coffee-tasters-flavor-wheel/

SCAA有關於這篇文章全部的權利，我是有寄信問可不可以用他的圖不過他暫時沒理我超過一個月了，所以我還是先PO上來。
如果他有要求我要撤下的話請見諒。

----

咖啡風味環背後的科學

By The Specialty Coffee Chronicle on January 28, 2016

By Emma Sage, SCAA Coffee Science Manger, and Molly Spencer, PhD Candidate, UC Davis

簡介

　　SCAA新的咖啡風味環背後的科學故事是相當迷人的。這故事內含強大的明星陣容，包含世界咖啡研究(WCR)、堪薩斯州立大學(KSU)、德克薩斯州農工大學(TX A&M)、加州大學、加利福尼亞大學戴維斯分校(UC Davis)、和主要的SCAA成員及志工。這強調了SCAA指出對於這個已經被高度期待在這個超過二十年、並且廣爲人知、深愛咖啡風味環上，必須作出更先進的詮釋上的修正需求。SCAA承諾他們的成員—和整個產業的進步—要加入更多的資料導向且科學的方法，讓我們尋找經得起時間考驗並且是建構在穩固的科學研究上。我們對於結果感到非常滿意，並且希望你會和我們對於這全新的珍貴資源感受到同等的熱情。

什麼是風味環？

　　咖啡風味環是用環形排列的文字所組成的。爲什麼我們不使用風味樹、風味金字塔或是風味分叉路呢？這似乎和第一個風味環，在1970年代由化學家Morten C. Meilgarrd博士爲啤酒所發展出來的 [Meilgaard 1979]，有著強烈關係。接著是對於紅酒的，在1980年代由Ann C. Noble在UC Davis發展出來的[Noble 1987; Noble 1984]。自此，許多其他產業，包含我們，都依循這套方法。風味環內使用的字有助於新增產品或是一類產品周遭的詞彙，使訓練能夠標準化，並且使得風味和概念的討論變更簡便。風味環提供對於杯測師、設施、進出口商以及顧客等等之間一個清楚、普遍的溝通方式。

　　要製作一個風味環，你需要字詞並且需要排列他們。結果來說，是有很多方式來做。許多現存的風味環並使用科學研究來作爲他們發展的一部分。有些根據工業或是貿易集團之間的共識來製成，而其他的都是各自獨立被製作的。所以原始的SCAA風味環是使用這些方法來做的。幾年前，SCAA要用特設委員會來修改風味環是很容易的。首先，這符合我們風味環的原點以及其他的風味環是如何被製作的。根據我們在這個主題上過去幾年的研究，這似乎代表咖啡業在全心全意及廣泛地使用這一個味環上來說是相當獨特，這讓我們可以做許多有意義的事情來增進咖啡品質。或許這是因爲原始的SCAA風味環，1955年由Ted Lingle製作——在精品食物飲品領域中是相對早的。對於那些巨大的功勞都要歸功於Ted。在我對於這個主題的研究中，我發現非常少數的味環是根源於科學探究。一些顯著風味環也出於感官詞典。[Lawless 2012; Noble 1987; Koch2012; Suffet 1999; Gawel 2000]。然而，沒有其他的風味環是使用我們下方詳述的方法，因此我們參與了開創性的研究。

　　對於用來製作風味環的字詞，至今你可能知道的是SCAA採納世界咖啡研究(WCR)的感官辭典。這是一個由感官科學家和他們在KSU和TX A&M訓練的專門小組領導的開創性研究。你可以閱讀關於研究、感官描述分析、訓練小組全部的工作內容，以及看到公佈的辭典來了解更多。我各人鼓勵你閱讀一些上個禮拜WCR發表的報導性文章，what the WCR Sensory Lexicon is，what it isn’t，以及最後，how it can be used to advance coffee research。另一方面，如果你喜歡WCR至此完成的事情，我鼓勵你們參與未來研究的投資。作爲一個咖啡烘焙師，有一個非常簡單的方式讓你們可以有所作爲，那就是透過 check-off program。

　　從此，你知道感官描述分析是一個強大的工具來提供產品的文字描述以及一個定量的基礎來比較產品感官上的相似和相異處[Meilgaard 2007; Stone 2012]。此時此刻，他是在感官科學中最有力、定量、尖端且廣大地被使用的方法之一。描述產品的感官特徵使得長遠的商業抉擇變成可能、引導產品開發、允許標準化分析、品質控制和追蹤產品隨時間的改變。以學術研究而言也是非常有價值得，且能夠建構分析測量之間的關聯，因此提供對於基本風味的機制有更好的理解。創造一個辭典是這個程序的第一步[Lawless & Civille 2013]。使用這個方法來研究會使我們能夠連結指定變數到指定的風味改變上(例：建構因果關係)。對於我來說，這代表我們最後可以開始處理一些咖啡業的中心法則，關係到爲什麼咖啡喝起來是那樣。這是一個令人興奮的過程。

　在理解WCR感官辭典的力量和潛力之後，我們知道我們想要採用和促進它。對於辭典可以且應該要立刻地被工業接受，包含單字、定義和標準參考的基礎使用以來標準化咖啡杯測師。因此，SCAA看到一個很大的機會來修改咖啡風味環。WCR的研究的強度使SCAA風味環能夠和辭典相容、以及提供對咖啡業一個全新工具是關鍵的這件事情變得更加明朗。隨著WCR感官辭典逐漸完成，我們有了描述風味屬性的單字。即使在辭典發展的途中，把屬性列表進行分類通常是根據小組的意見，而且根據這個過程的回顧來說，這並不是是這個辭典發展中嚴謹、重要部分[Lawless & Civille 2013]。這個訊息留給我們許多問題。首先，我們不想要拿取最有科學根據的咖啡風味來源且濫用它，或是暗自的黑箱決定要使用哪個單字。我們想要在同樣的標準、努力和用以創造辭典的科學底下，找到一個方法來處理辭典的排列。因此我們安排一個發掘尚未開發的感官科學的探索之旅。沒錯——大膽的去做沒人從事過的的事情。

　　事實上，感官科學中是非常年輕且快速發展的規則。從我本身的研究到比較 UC Davis 的應用感知與消費者科學證照計劃(Applied Sensory and Consumer Science Certificate Program)，我學到了這個領域似乎是和科技一樣的快速變遷，且這並非巧合。當科技、統計和訊息處理能夠更有效律的被應用的同時，資料蒐集的工具、軟體和科學家可以掌握的分析技巧的數目是以速度成長。SCAA需要一個研究夥伴願意有新穎的思考和做嚴謹的研究來幫助我們瞭解辭典該如何地以等級、定位爲單位來排列。有了在 UC Davis裡進行享譽國際的感官科學研究之下，加上我們正在進行的咖啡校園行動交流，我們和食物科學與科技學系溝通看看是否有任何感官科學研究室可以用做在這個主題上。Jean-Xavier Guinard博士和他的博士後選人 Molly Spencer，接受了這個挑戰。

UC Davis 辭典分類研究

　　在和Molly以及Jean-Xavier Guinard博士的一些討論之後，現存沒有任何制式的感官科學方法會符合或是對於我們想要完成的事情是可行的。於是Guinard 博士和Molly 開始檢驗其他公佈的研究、做背景研究並且對於我們如此特定的問題進行腦力激盪。他們決定一個改編過的自由多重排序方法可以被用在理解辭典和風味屬性之間的關聯與關係。用這個方法，我們可以理解產業如何看待這些術語和高度訓練的感官描述小組如何分組這些辭典屬性。要量化等級體系的組別，UC Davis的研究者設計爲參與者遠端使用而設計了線上程式，這會安排全部辭典屬性相關的範例。最終，我們會理解主要的風味類別(或是風味環的等級分別)該是什麼，以及顯示風味環中哪個風味可以在放在另一個旁邊之間的關係。

排序實驗

　　排序是一個分類的方法。首先，把一組東西放到一個類別在人類思考中是最常見的操作之一[Coxon 1999]。自由排序程序當初也是被發明來做字詞排序的[Steinberg 1967]，但是之後被套用在感官分析[Lawless 1995]。對於我們目前的專案，雖然我們在咖啡的(品嚐上)感官評價上是根據變量來排序(屬性)，但是排序練習是單字中唯一且不用包含品嚐的。用這個方法，我們的排序練習是一個根據參與者的經驗來的。

　　在自由多重排序(FMS)方法中，評斷者傳統上被要求依照每個人各自的想法去排序食物或其他的產品樣品成爲多個群組。他們把樣品排序成許多主題取決的群體/類別[Coxon 1999; Dehlholm 2012]。當執行任務時，評斷者被允許對於相同的樣品作出額外的排序直到他們囊括了全部的排序可能性[Steinberg 1967]。對於我們的研究，我們修改了這個方法成，並非排序食物樣品本身，而是要求小組成員排序屬性(有其定義)到類別或是子類別當中，並且每個小組成員只會做一次排序。此外，小組成員以分層方式來排序屬性到類別和子類別中，直到他們覺得沒有更多的子類別可以被排序。一個使用者友善的網頁界面(參見圖1)被開發來讓人可以簡單、有效率地排列99種屬性。使用者會接著看到說明和屬性的清單，且每一個在最右邊有訊息框，會跳出由KSU和TX A&M所定義的風味的定義/描述。如果小組成員對於辭典的字彙的意義有不明白的話，他們會捲動訊息匡來接收其定義。參與者能夠拖曳屬性到類別和子類別，到他們認爲需要有多少分層等級就多少當中。

　　由於大量的屬性被排序了，專業小組的成員(72個小組成員)要和最多數的感官描述方法，還有這個實驗的最終結果(一個風味環)來做比較，這決定了每個小組成員只會做一次排序。這個方法是從典型的FMS方法修改，這原本是一個小數目的描述成員(8-15)在相同的集合上執行多次相同的排序任務，直到他們耗盡全部的排列可能。99種物件來做多重排序會使組員相當疲憊，且感官專業知識和咖啡業的專業都要被考慮進去。所以對於新的風味環的最佳利益來說，從兩個領域中提供大量的參與者以囊括輸入、經驗和專業知識。在排序完成之後，我們集中在三個統計分析來幫助我們瞭解結果。

圖1.完成一個9種屬性(從99個可能當中)的排列任務所使用的使用者介面範例

　　我們有兩個研究小組，事後最終能夠根據結果變成一組人馬。第一組由UC Davis中，29個訓練、在巧克力和紅酒上有經驗的感官小組。這些人不需要特別在咖啡上訓練，不過他們曾經參與過感官研究且接觸到大部分咖啡清單上的風味屬性。他們被派去撰寫網站上能夠遠端且獨立地執行自由多重排序任務的說明。

　　要確定結果是準確地反應產業上的需求，我們知道我們要邀請咖啡人來幫助這個計劃以及新增資料。SCAA邀請上千個我們親愛的咖啡專家來參與這個工作，包含我們的董事會、委員會和理事會、主題問題專家和SCAA的講師，WCR附屬機構以及關係人、Q grade講師、CQI和ACE的同行以及其他業界的領導人。最終，由SCAA從咖啡業中募集的43位鑑定家作爲US Davis小組成員，執行了相同的線上過程。

分析

　　這個工作的重點是在理解風味屬性是有多相關，如同由專業感官小組和咖啡業之類的人來評斷。要組織原始資料，用Ruby語言撰寫的程式被開發出來，用以轉譯排序資料成爲可用來分析的矩陣。對於下方詳述的兩種方法，首先兩個二元矩陣是用來表示每個參與者(1代表有關係，0代表沒關係)，第一個矩陣是表示「兄弟關係」，代表在同個子類別裡面出現的屬性。而另一個是用來表示「親子關係」代表一個屬性在另一個屬性的子類別中。因此，這些類型的關係是我們的相似準則。請參見表格1作爲範例。從全部蒐集到的獨立排序資料裡，對72個參與者分別編譯一個內容是屬性出現在兄弟關係或是親子關係數目總和次數的對稱親近(相似)矩陣。這個相似矩陣被用來完成下面的分析。

表格1. 對於一個研究參與者的相似矩陣的摘錄範例，其中有7個屬性

　　首先我們需要比較兩個研究組別(小組和產業)。我們想要知道是否訓練過的小組成員和產業群組有不同的排列辭典方式。我們知道任何的結果都會是非常有趣的，但是我們預先假設組別之間會依據他們不同的背景和訓練而有不同的結果。爲此，兩個相似矩陣，一個是對於UCD小組而另一個是業界參與者，分別運行五維的多元尺度(5D-MDS)分析。5D-MDS分析的結果被用在多因素分析上(MFA)，一個比較兩個數據集的技巧。這些分析使用了XLSTAT® 2015來完成。MFA執行並呈現出UC Davis小組和業界小組之間沒有顯著的差異。我們知道這個是因爲RV-係數大於0.7，代表兩個組別是相關的並且是從相同的群眾來的。考慮到這一點，我們可以前進到風味屬性之間的關係，在基於72個小組成員和業界參與者之下的情況。

　　聚合式階層分群法(AHC)分析是根據相似矩陣來處理資料。AHC根據相似度來把屬性分類成不同等級類別和子類別。AHC分群基本上是以樹狀圖來做視覺化。經典的範例是物種分類或是基因聯繫，這是因爲我們已經習慣用樹狀圖來看。聚合式階層分群法從單一物件在一個群組裡開始。非加權組平均連結聚合方法被使用在把屬性連結起來，一次一對，從底層(最相似)到最頂端(最不相似)。在每個成功的迭代(連結)，它根據指定的相似評斷準則來凝聚(合併)最靠近的一對物件(獨立的物件或是一個組的平均)，直到全部的資料都隸屬於某個大類別爲止。在樹狀圖這些連結每個都被平行線來表示。樹狀圖的y-軸表示我們合併的類別之間具體的相似程度(從0到72)。主要類別的數目可以透過軟體來決定。在這樣的強空下，主要的類別透過XLSTAT® 2015最初指出4個，但是這對於風味環其實是不太充足的，並且並不能足夠的將大量的風味分開。在觀察資料之後，我們指定了9個類別，這如同在統計上來說，要清楚的分隔99種屬性但仍然要保持直觀的情況下，所決定的最佳主類別數目。

　　從排序任務得到的的資料最常使用的分析方法是多元尺度法(MDS)[Lawless 1995]。MDS被使用在在相似矩陣上是爲了得到一個二維的風味屬性之間的關係表示圖。這個MDS分析使用了全部72位參與者的資料(完整的相似矩陣)，也用以產生視覺輔助圖來看到那個屬性和另一個是相似的。特別的，非度量(有序的)MDS在這邊被使用，代表透過相似矩陣所計算出來的距離的順序(使用Kruskal’s擬合係數)符合表示空間(表示圖)中所計算出來的距離。這個在透過AHC資料的輔助之下完成，並且引領風味環上主要類別(群落)環繞的順序。全部的分析都是在XLSTAT® 2015裡完成的。

結果

　　對於全部的參與者，AHC被截成9個主要的類別(參見圖2)。對於全部72位參與者的編譯數據所製成的MDS圖在圖3裡呈現。這導致了對風味環上主要的參考風味分類和階層。然而，樹狀圖沒做的事情是，對於平行的連結(或是更大的組別)給與命名，並且因此，對於這9種類型的概括性的術語是需要的。

圖2.用來表示在風味屬性上的AHC分析結果的樹狀圖

圖3. 二維的5D-MDS圖

設計味環

　　味環的發展也是需要一個定性的方法。事實上，任何統計結果都需要被解讀。這是爲什麼我們使用從樹狀圖到MDS在一個味環上。正如同你所看到的，沒有一個完全正確的方法來完成這些。解讀是人類的工作。幸運地，我們有很多聰明的人可以使用，包含在UC Davis、WCR、SCAA和KSU的感官科學家等等。在我們的結果出爐後，我們花了許多時間檢驗可能的風味環排序。我們在四對三環的價值上付上詩意。我們考慮樹狀圖以及把關係配對上固有的挑戰。我們必須共同努力以符合WCR以及KSU整體在風味類別的結果。並且這正是我們所做的。

　　要創造一個框架可以符合味環，我們使用樹狀圖來對每個主要的風味類別產生一個圖表(參見下方圖4,5,6和7)。接著，我們回過頭到MDS並比較全部的結果，群組和獨自都有，環形的來評估這9個風味類別和另一個是哪邊有關係。這幫助告訴我們味環的那段是要靠近的。因此，味環不僅是被設計來表示9種煮要風味類別的關係，也表示了各自屬性的關係，包含味環上的第三圈地順序和位置。在MDS圖上靠近另一個的類別是被解釋成比較靠近的(根據72個參與者)，因此通常在新味環上要比較靠近。舉例來說，在果味(fruity)中，柑橘通常在MDS圖上被認爲是近相關的因此味環上這個部分是相連的。

　　樹狀圖頂端那些包圍廣泛的類別的一般性單字(舉例來說，甜味(sweet)或是果味(fruity))會跟KSU科學家和小組成員的參考物，從辭典裡面拉出來。在某些範例中，放兩個辭典的詞彙在一起來作爲分類標題是必要的，在這樣的情況下會用斜線(/)來區分兩個詞彙。由於WCR感官辭典和他的計劃是同時被完成的，所以有一些詞彙被移除、重新命名或是新增到辭典裡，因此風味環來產生最後的組織。參閱圖8(下方)來看到新咖啡風味環最後的順序。

圖4.樹狀圖在核果/可可風味類別的解釋，有顏色的圓圈代表了相對應的群落和在圖表分層等級.

圖5.樹狀圖在香味風味類別的解釋，有顏色的圓圈代表了相對應的群落和在圖表分層等級.

圖6. 樹狀圖在果味風味類別的解釋，有顏色的圓圈代表了相對應的群落和在圖表分層等級.

圖7.樹狀圖在甜味風味類別的解釋，有顏色的圓圈代表了相對應的群落和在圖表分層等級.

結論

　　這個計劃最終的目的是排列給定的咖啡風味屬性以簡化描述咖啡單字的選擇，無論他是一般性的或是細節的描述。使用這些排序方法開發的類別和子類別是被用在創造一個新的咖啡風味環上。AHC分析提供了分層，而MDS提供了主要風味類別該如何沿着風味環排列的方法。如果你是一個風味環的學生，你可能會注意到在WCR的感官辭典和新的風味環以及用來描述其他產品其他味環之間有許多通用的地方。先前提到的一般的紅酒味環，和我們的新味環一樣，有許多相同的主要風味類別，包含香料、果味、香味、蔬菜和核果[Nobel 1984]。這不是因爲紅酒和咖啡總是被想著有大量的相似處。相反地，這是因爲我們記錄和量化的東西是人類的感官經驗。人類，就像工具一樣，在感受食物和飲料之中找到許多相似處——我們只是在捕捉我們的經驗。

　　做爲結論，我們對咖啡味環做了一個的修正。我們製作了一個適合杯測師業界的味環，他對於描述成員小組的訓練和產業開發也十分有用處。或許最重要的，這是作爲客戶和顧客之間的一個嚴謹的工具。這代表描述小組、感官科學家、業界、WCR、SCAA和UC Davis之間一個真正的合作。這是一個使用先端感官科學方法和分析，具有創意、具有合作性的問題解決方式之下的一個產品。我們可以對於這個工作地成就感到驕傲——因爲每一個讀到這篇文章最後的人都是這個過程的一部分。我們爲你們創造這個工具。你們激勵了這個。這是使用、分享和一起成長的東西。因此，我們創造了一個修訂的SCAA咖啡風味環。

圖8. 新的SCAA咖啡風味環的最終版本©SCAA and WCR 2016.

譯者補充

解釋一下AHC跟MDS是做什麼的

以下包含一些預備的數學名詞 所以看不懂的人 別擔心你才是正常人

AHC其實很簡單
我有幾個東西要分門別類

首先先決定所謂類別之間的“距離” 所謂的近到底是什麼意思

這有幾個常用的距離
min：在兩個類別裡面取最接近的兩個item的距離來當做兩個類別的距離
max：反之取最大的
平均連結：把每個item之間的距離除以類別的大小之後加總
Ward法：假定u是兩個類別聯集之後的平均 那距離訂做大家跟u的距離平方和

Clusting從大家自己一國開始
這裡的情況就是99個風味屬性各是一個類別 然後把距離最近的人開始連起來
所以文章中看到的AHC圖 其實是從底層開始連的

比如說花生跟榛果最近 就把他們連起來然後給他一個叫做堅果的類別
接著有了幾個小類別之後 我們在做一次一樣的事情
這次可能是堅果跟巧克力最接近 所以就把他們連成一個類別
接下來可能都沒有很好的連結 所以就一直到AHC做完之前都是這些一組

要看多次的可以看水果那類 那個就做7,8次最後分成幾種大類水果

====

至於MDS是爲了表示才做的
可能上述的分類方法在決定距離的時候要用五個維度才可以完整表示
可是我們想要畫圖阿 畫在平面上
所以我們在相似矩陣上取最大的兩個eigenvalue的eigenvector方向當做座標軸(因爲我們只要兩個方向)
注意到相似矩陣是對稱的 所以eigenvalue都是實數 eigenvector我可以挑正交的

那會不會我們選的方向其實不能反應之間的距離呢？
這時候可以用個Kruskal係數來看看在2維上的距離是不是可以充分反映出5維的距離
這個係數的概念是差異最小平方法

如果都過關了 就可以在圖上描出每個點 
而且這些點之間的距離跟實際上的距離是吻合的
可以很有信心地說哈哈哈哈

引用文章

• [Coxon 1999] Coxon APM. 1999. Sorting Data. Thousand Oaks, CA: SAGE Publications, Inc.
• [Dehlholm 2012] Dehlholm C, Brockhoff PB, Meinert L, Aaslyng MD, Bredie WLP. 2012. Rapid descriptive sensory methods – Comparison of Free Multiple Sorting, Partial Napping, Napping, Flash Profiling and conventional profiling. Food Quality and Preference 26(2):267-77.
• [Gawel 2000] Gawel R, Oberholster A, Francis IL. 2000. A ‘Mouth-feel Wheel’: terminology for communicating the mouth-feel characteristics of red wine. Australian Journal of Grape and Wine Research 6(3):203-7.
• [Koch 2012] Koch IS, Muller M, Joubert E, van der Rijst M, Næs T. 2012. Sensory characterization of rooibos tea and the development of a rooibos sensory wheel and lexicon. Food Research International 46(1):217-28.
• [Lawless 1995] Lawless HT, Sheng N, Knoops SSCP. 1995. Multidimensional scaling of sorting data applied to cheese perception. Food Quality and Preference 6(2):91-8.
• [Lawless & Civille 2013] Lawless LJR, Civille GV. 2013. Developing Lexicons: A Review. Journal of Sensory Studies 28(4):270-81.
• [Lawless 2012] Lawless LJR, Hottenstein A, Ellingsworth J. 2012. The McCormick Spice Wheel: A Systematic and Visual Approach to Sensory Lexicon Development. Journal of Sensory Studies 27(1):37-47.
• [Meilgaard 2007] Meilgaard MC, Civille GV, Carr TB. 2007. Sensory Evaluation Techniques, 4th ed. Boca Raton, FL: Taylor & Francis Group.
• [Meilgaard 1979] Meilgaard MC, Dalgliesh CE, Clapperton JF. 1979. Beer Flavor Terminology. Journal of the Institute of Brewing 85(1):38-42.
• [Noble 1987] Noble AC, Arnold RA, Buechsenstein J, Leach EJ, Schmidt JO, Stern PM. 1987. Modification of a Standardized System of Wine Aroma Terminology. Am. J. Enol. Vitic. 38(2):143-6.
• [Noble 1984] Noble AC, Arnold RA, Masuda BM, Pecore SD, Schmidt JO, Stern PM. 1984. Progress Towards a Standardized System of Wine Aroma Terminology. Am. J. Enol. Vitic. 35(2):107-9.
• [Steinberg 1967] Steinberg DD. 1967. The Word Sort: An instrument for semantic analysis. Psychonomic Science 8(12):541-2.
• [Stone 2012] Stone H, Bleibaum RN, Thomas HA. 2012. Sensory Evaluation Practices, 4th ed. San Diego, CA: Elsevier Academic Press.
• [Suffe 1999] Suffet IH, Khiari D, Bruchet A. 1999. The drinking water taste and odor wheel for the millennium: Beyond geosmin and 2-methylisoborneol. Water Science and Technology 40(6):1-13.