Check-all-that-apply questions (CAT

Check-all-that-apply questions (CATA) are increasingly used for sensory characterization with consumers (Meyners & Castura,2014). In this methodology participants are presented with a list of terms from which they should select all those that apply.Data are analyzed by computing the frequency of use of each of the terms for describing each of the samples. Then,Correspondence Analysis (CA) is performed on the frequency table to obtain sample and term configurations which enables visualization of the similarities and differences among samples, as well as their main characteristics (Meyners, Castura, & Carr, 2013). In classical CA samples are represented in a multidimensional space according to the chi-square distance between their profiles (Lê,2014). The main disadvantage of this approach is that terms with low frequency of mention can have a large impact on the calculation of the chi-square distance used for measuring the similarity between samples, leading to inaccurate sample configurations(Legendre & Gallagher, 2001; Popper, Abdi, Williams, & Kroll,2011; Rao, 1995). To overcome this potential problem infrequently used terms can be excluded from the analysis (Legendre &Gallagher, 2001), but this is undesirable given the loss of information involved. Using the full set of data, another alternative is to use Hellinger distance when performing CA, as recommended by Rao (1995). The advantage of this distance measure is that similarity between two samples only depends on the profiles of those samples and not on the number of assessors considered for estimating the profiles. Therefore, sample configurations are less influenced by infrequent terms than when chi-square distance is used (Cuadras & Cuadras, 2006; Rao, 1995). While application the Hellinger distance to analyze CATA data for sensory product characterizations has been encouraged by Meyners et al. (2013),one of the disadvantages of using Hellinger distance is that this

Kết quả (Việt) 1:

Câu hỏi kiểm tra-tất cả-mà-áp dụng (CATA) ngày càng được sử dụng cho các đặc tính cảm quan với người tiêu dùng (Meyners & Castura, năm 2014). Trong phương pháp này, người tham gia được trình bày với một danh sách các điều khoản mà họ nên chọn từ tất cả những người áp dụng. Dữ liệu được phân tích bởi tần suất sử dụng của mỗi của các điều khoản để mô tả cho mỗi người trong số các mẫu máy tính. Sau đó, thư phân tích (CA) được thực hiện trên bảng tần số lấy mẫu và thuật ngữ configurations đó cho phép các kiểu trực quan của các điểm tương đồng và khác biệt giữa mẫu, cũng như các đặc điểm chính của họ (Meyners, Castura & Carr, 2013). Ở CA cổ điển mẫu xuất hiện trong một không gian đa chiều theo chi-vuông khoảng cách giữa các profiles (Lê, năm 2014). Những bất lợi chính của phương pháp này là các điều khoản với tần số thấp đề cập đến có thể có một tác động lớn trên tính toán khoảng cách chi-vuông được sử dụng để đo lường sự giống nhau giữa mẫu, dẫn đến không chính xác mẫu configurations (Legendre & Gallagher, 2001; Popper, Abdi, Williams, & Kroll, năm 2011; Rao, 1995). Để khắc phục tiềm năng này vấn đề thường xuyên sử dụng điều khoản có thể được loại trừ khỏi các phân tích (Legendre & Gallagher, 2001), nhưng điều này là không mong muốn đưa ra mất thông tin liên quan. Sử dụng các thiết lập đầy đủ của dữ liệu, một lựa chọn khác là sử dụng Hellinger khoảng cách khi biểu diễn CA, theo khuyến cáo của Rao (1995). Ưu điểm của biện pháp này khoảng cách là giống nhau giữa hai mẫu chỉ phụ thuộc vào profiles của những người mẫu và không phải trên số lượng thẩm xem xét để ước tính các profiles. Vì vậy, mẫu configurations đang tác ít hơn bởi các điều khoản không thường xuyên hơn khi chi-vuông khoảng cách sử dụng (Cuadras & Cuadras, năm 2006; Rao, 1995). Trong khi ứng dụng khoảng cách Hellinger để phân tích dữ liệu CATA cho cảm giác sản phẩm characterizations đã được khuyến khích bởi Meyners et al. (2013), một trong những khó khăn của việc sử dụng Hellinger khoảng cách là đây

Kết quả (Việt) 2:

Kiểm tra-tất cả-mà-áp dụng câu hỏi (CATA) đang ngày càng được sử dụng để mô tả đặc điểm cảm giác với người tiêu dùng (Meyners & Castura, 2014). Trong phương pháp này người tham gia được trình bày với một danh sách các thuật ngữ mà từ đó họ sẽ chọn tất cả những người mà apply.Data được phân tích bằng cách tính toán tần số sử dụng của mỗi từ ngữ để mô tả mỗi mẫu. Sau đó, Correspondence Analysis (CA) được thực hiện trên bảng tần số để lấy mẫu và con hạn gurations fi cho phép hình dung về những điểm tương đồng và khác biệt giữa các mẫu, cũng như đặc điểm chính của họ (Meyners, Castura, & Carr, 2013). Trong mẫu CA cổ điển được biểu diễn trong một không gian đa chiều theo khoảng cách chi-square giữa pro họ fi les (Lê, 2014). Nhược điểm chính của phương pháp này là các điều khoản với tần số thấp của đề cập đến có thể có một ảnh hưởng lớn tới việc tính toán chi-vuông khoảng cách sử dụng để đo sự giống nhau giữa các mẫu, dẫn đến mẫu không chính xác gurations con fi (Legendre & Gallagher, 2001; Popper, Abdi, Williams, & Kroll, 2011; Rao, 1995). Để khắc phục được vấn đề này về không thường xuyên sử dụng có thể được loại trừ khỏi các phân tích (Legendre & Gallagher, 2001), nhưng điều này là không mong muốn cho việc mất thông tin liên quan. Sử dụng các thiết lập đầy đủ các dữ liệu, thay thế khác là sử dụng Hellinger khoảng cách khi thực hiện CA, theo khuyến cáo Rao (1995). Ưu điểm của việc đo khoảng cách này là giống nhau giữa hai mẫu chỉ phụ thuộc vào pro fi les của những người mẫu và không phải trên số người đánh giá xem xét dự toán pro fi les. Do đó, mẫu gurations con fi là ít chịu ảnh hưởng bởi các điều khoản thường xuyên hơn khi khoảng cách chi-vuông được sử dụng (Cuadras & Cuadras, 2006; Rao, 1995). Trong khi ứng dụng các khoảng cách Hellinger để phân tích dữ liệu CATA cho tả những đặc điểm sản phẩm cảm giác đã được khuyến khích bởi Meyners et al. (2013), một trong những nhược điểm của việc sử dụng Hellinger khoảng cách là đây