Chem. Percepción.

(2009) 2: 143-153
DOI 10.1007 / s12078-009-9050-8

Los asesores de cerveza con y sin entrenamiento se basan más

en la visión que sobre Sabor Cuando entran en la categoría
Cervezas
Maud Lelièvre y Sylvie Chollet y Hervé Abdi y
Dominique Valentin

Recibido: 20 Abril 2009 / Aceptado: 9 Julio de 2009 / Publicado en línea: 23 Julio 2009
# 2009 Springer Science + Business Media, LLC
:
M. Lelièvre D. Valentin
Resumen ¿Qué procesos de categorización papel juega en la UMR 5170 CNRS CSG, el INRA, Universidad de
experiencia químico-sensorial y su adquisición? En este Borgoña, 21000 Dijon, Francia
trabajo se aborda esta cuestión mediante la exploración de los H. Abdi
criterios utilizados por los evaluadores entrenados y no La Universidad de Texas en Dallas,
entrenados cuando entran en la categoría de cervezas. Dos Richardson, TX 75080-3021, EE.UU.
factores experimentales fueron manipulados: color de la
cerveza y cervecería. Los participantes ordenados nueve
cervezas comerciales que vienen en tres colores diferentes y
de tres fábricas de cerveza diferentes. Los participantes
ordenados en dos condiciones diferentes: en una condición,
los participantes pudieron ver las cervezas, y en la otra
condición, que no podían ver las cervezas. Hemos observado
que en ambas condiciones de degustación (es decir, con o sin
visión), entrenados y no entrenados asesores cervezas clasifica
de manera similar. En la condición visual, los evaluadores
ordenados cervezas por el color, mientras que en la condición
de ciego, que ellos ordenados por la cervecería. En general,
nuestros resultados indican que el entrenamiento sensorial no
parecen tener un efecto sobre los criterios utilizados para
organizar las percepciones de cerveza. Esto sugiere que
nuestros asesores entrenados cerveza no desarrollaron
representaciones conceptuales específicos de cervezas durante
tren-ción. Por otra parte, parece que cuando los evaluadores
categorizan cervezas, que se basan más en la información
visual que el químico-sensorial.

:
M. Lelièvre (*) S. Chollet
Institut Supérieur d'La
agricultura, el Boulevard Vauban
48,
59046 Lille Cedex, Francia
e-mail: m.desmas@isa-
lille.fr
 . . .
Palabras clave de la cerveza categorización Pericia
.
Formación Información visual

Introducción

Perfumistas, enólogos y expertos de cerveza poseen una

experiencia que los diferenciaba de otras personas, incluso
perfumes, vino, cerveza o amantes o aficionados. Esta
experiencia profe-sional se basa tanto en la químico-sensorial
y un conocimiento técnico. El conocimiento químico-
sensorial se adquiere mediante repetidas degustaciones y
sniffings de cerveza, vino, o perfumes. El conocimiento
técnico abarca el conocimiento de la química, la viticultura, la
enología, los procesos de elaboración de la cerveza, etc.
Comprensión experiencia relativa a los sentidos químicos es
más bien un nuevo campo de investigación en comparación
con el entendimiento experiencia en otros campos como la
física, la resolución de problemas, la programación de
ordenadores, juegos, deporte o medicamentos (para
revisiones, véase Vicente y Wang1998; Feldon2007). En el
campo sensorial, la noción de especialización es también
utilizado, pero con otra definición. Cerveza o vino expertos en
evaluación sensorial son asesores entrenados para evaluar la
intensidad de los diferentes atributos de los productos y para
detectar e identificar sabores y defectos. Su experiencia se
basa principalmente en la experiencia sensorial. Para mayor
claridad, en este documento, serán llamados expertos
profesionales“expertos” y expertos en evaluación sensorial
serán llamados “asesores entrenados.”

químico-sensorial experiencia ha sido relativamente

bien estudiada en términos de discriminación, la
descripción y, en menor medida, el rendimiento de la
memoria (ver Chollet y Valentín 2000, 2006; Labbé et al.
2004; Valentin et al. 2007 para comentarios). En general,
parece que los expertos y los asesores entrenados son
mejores que los novatos para describir, memorizar y
discriminar entre estímulos, pero la diferencia en el
rendimiento no siempre es muy impresionante.
144 Chem. Percepción. (2009) 2: 143-
153
conceptos específicos y consensuados cerveza sensoriales en
Además, un pequeño número de estudios sobre la comparación con los novatos.
experiencia del vino se ocupó de la organización del Un examen de los manuales de cata de cerveza (Jackson
conocimiento de los expertos y su influencia en la percepción 1999; ciervo1998, 2005; Glover2001; Mastrojanni1999;
químico-sensorial (Salomón 1997; Hughson y Boakes2002; Webb2005) muestra que hay muchos criterios para
Ballester et al.2005, 2008). Un primer estudio de Solomon categorizar cervezas. El esquema de categorización más
(1997) Sugirió que cuando se adquiere la experiencia del vino, habitual y más fácil se basa en los colores: rubio, ámbar,
creamos un sistema de categorización basada en la oscuro, blanco, rojo y cervezas. Otros esquemas de
apreciación de las características más destacadas de los vinos. categorización habituales se basan en el país de
En este estudio, los expertos, se pidió a los evaluadores, y
vino novatos intermedios para ordenar diez vinos blancos de
diferentes tipos de uva en cuatro grupos, poniendo juntos los
vinos que percibían similar. Los resultados revelaron que los
expertos tendían a clasificar los vinos por tipos de uva. Por el
contrario, los evaluadores de vino intermedios y novatos no
ordenar los vinos por tipos de uva, sino que utilizan una o dos
características sobresalientes de percepción para explicar su
especie. Más recientemente, Ballester et al. (2008), Utilizando
una tarea de calificación tipicidad, mostraron que para los
expertos en vinos, vinos Chardonnay y Muscadet se
organizaron a lo largo de un gradiente que va de tipicidad
muy típico de un Chardonnay (o una muscadet) vino a muy
atípica de este vino. No se observó tal gradiente para los
principiantes. Los autores concluyeron que, contrariamente a
los principiantes, los expertos tienen representaciones
mentales separados comunes de los vinos Chardonnay y
Muscadet y que estas representaciones se basan en parte en las
similitudes de percepción. Estos estudios sugieren que, debido
a sus conocimientos sobre el vino y catas de vino a través de
repetidas, enólogos-al contrario de los novatos-desarrollar
representaciones mentales específicas y consensuadas de los
vinos.

No hay tales estudios han llevado a cabo con asesores

entrenados. Sin embargo, los evaluadores entrenados, a pesar
de que no poseen el vasto conocimiento técnico de los
expertos, se utilizan habitualmente para degustar los
productos alimenticios. Una típica sesión de degustación
consiste en un entrenamiento formal, donde los asesores
aprenden a reconocer y describir las características
perceptivas de una manera repetible y consistente. Por otra
parte, los evaluadores suelen recibir alguna información sobre
los productos que tienen un sabor. Así que es posible que a
través de estas exposiciones repetidas, asesores entrenados
extraen características sensoriales comunes a los diferentes
productos y desarrollar conceptos diferentes de las de los
novatos. Por lo tanto se puede esperar que una modificación
de las representaciones mentales también ocurriría con el
entrenamiento sensorial. Chollet y Valentín (2001, 2006) No
encontró un efecto del entrenamiento sobre la categorización
de cerveza, pero este resultado podría ser debido a la corta
formación (11 y 15 h, respectivamente) de sus asesores. Para
probar esta posibilidad, se evaluó si los evaluadores
entrenados cerveza desde hace varios años se desarrollan
 de 13 asesores entrenados y dos grupos de 18 (grupo A) y
origen (por ejemplo, Bélgica Francés, Inglés, y cervezas 37 (grupo B) evaluadores no entrenados.
alemanas,) o alcohol contenido-pero este sistema de Los asesores entrenados eran parte de un panel sensorial
clasificación difiere de un país a otro. También y la cerveza eran miembros del personal de la Universidad
encontramos esquemas de categorización que son menos Católica de Lille (Francia). Este panel se modificó
accesibles a los consumidores de cerveza, porque estas ligeramente entre
clasificaciones se basan en criterios técnicos, como el tipo
de fermentación, las materias primas, métodos de
embalaje, características Brewer, etc.
En el presente estudio, se analizó el efecto del
entrenamiento sobre dos criterios de clasificación
diferentes, color de la cerveza y de cerveza, y probamos
estos criterios en dos condiciones diferentes de
degustación, con y sin información visual. La hipótesis de
que los evaluadores no entrenados categorizarían cervezas
sólo de acuerdo a las similitudes de percepción, mientras
que los evaluadores entrenados cerveza serían depender
más de su conocimiento de las características sensoriales
de la cerveza. Debido a que hemos supuesto que la
categorización de cervezas de colores requieren menos
conocimientos que clasificándolos por la cervecería,
esperábamos que los evaluadores no entrenados lo
solucionaría cervezas por color y que los evaluadores
entrenados por lo solucionaría cervecería. Por otra parte,
como asesores entrenados se utilizan para evaluar la
cerveza bajo la luz roja y centrar su atención en el olor y el
sabor de la cerveza, esperábamos que en la condición
visual, asesores entrenados serían menos influidos por el
color de la cerveza que los evaluadores no entrenados
haría. Como resultado, la hipótesis de que la diferencia
entre los evaluadores entrenados y no entrenados sería
mayor en lo visual que en la condición ciego.
Por último, porque no está claro variabilidad individual en
tareas de categorización (Chollet y Valentín 2001; Ishii et
al.1997), la estabilidad de los datos de categorización de los
ciegos condición se evaluó de dos maneras. En primer lugar,
se analizó la estabilidad dentro de los individuos: se analizó la
repeatabil-dad de las categorizaciones de cerveza de cada
evaluador durante cuatro repeticiones de la tarea de
clasificación. En segundo lugar, se analizó la estabilidad entre
los individuos para comprobar el acuerdo entre los
participantes por (1) la comparación de las categorizaciones
de cerveza de tres grupos de asesores (dos grupos de inexperto
y un grupo de asesores entrenados) y (2) el estudio del
consenso dentro del entrenado y no entrenado grupos para la
primera repetición.

Material y métodos

evaluadores

En la condición visual, dos grupos de asesores participaron

en la tarea: un grupo de 17 asesores entrenados y un grupo
de 21 evaluadores entrenados. En la condición de ciego,
tres grupos de evaluadores participaron a la tarea: un grupo
Chem. Percepción. (2009) 2: 143-153 145

los experimentos en las condiciones visuales y ciegos clasificación. Los evaluadores eran libres de hacer tantos
como algunos asesores integran el panel y los demás grupos como querían y para poner tantas cervezas como
dejaron. Esto explica el diferente número de asesores querían en cada grupo. Se les permitió tomar tanto tiempo
entrenados entre las dos condiciones. Sin embargo, 11 de como quisieran. Mineral
los asesores entrenados eran comunes a las dos
condiciones. asesores entrenados habían sido formalmente
entrenados para evaluar diferentes tipos de cervezas
(incluyendo las cervezas estudiados aquí) 1 hora por
semana durante un promedio de 3,5 años. Ellos fueron
entrenados para detectar e identificar sabores (almendra,
plátano, mantequilla, caramelo, col, queso, lila, metálico,
miel, pan, cartón, fenol, manzana, y sulfito) que se añade
en la cerveza y para evaluar la intensidad de los
compuestos generales ( amargor, astringencia, la dulzura,
el alcohol, lúpulo, malta, afrutado, floral, especiado,
sparkl-ingness y persistente). Los evaluadores no
entrenados eran estudiantes o miembros del personal de la
Universidad Católica de Lille y la Universidad de
Bourgogne (Francia). los evaluadores no entrenados eran
consumidores de cerveza que no tenían ningún
entrenamiento formal o experiencia en la descripción de
cervezas. Grupo A evaluadores no entrenados incluyen 18
evaluadores con el fin de ser comparado con el grupo de
evaluadores entrenados. Grupo B evaluadores no
entrenados fue mayor con el fin de evaluar la estabilidad
entre los individuos.
El número de catadores, la proporción de mujeres /
hombres, la edad media, y el tiempo de formación media
para los evaluadores entrenados y no entrenados en cada
condición se presentan en la Tabla 1.

productos

Se evaluaron nueve cervezas comerciales diferentes

(denotado PelfBL, PelfA, PelfBR, ChtiBL, ChtiA, ChtiBR,
LeffBL, Leffa, y LeffBR). Estas cervezas vinieron de tres
fábricas de cerveza diferentes, Pelforth (señalado Pelf),
Chti (Chti), y Leffe (Leff), y cada fábrica de cerveza
proporcionan tres tipos de cerveza: rubias (BL), ámbar (A),
y la oscuridad (BR). Todas las cervezas se presentaron en
vasos de plástico negro codificados de tres dígitos y se
sirve a 10 ° C.

Procedimiento

Estado visual

El experimento se llevó a cabo en cabinas separadas

iluminadas con una luz de neón de 18 W. Los evaluadores
participaron individualmente en el experimento que fue
dirigido en una sola sesión. Se les proporcionó los nueve
cervezas y estaban obligados a clasificarlos por la
elaboración de las cervezas que percibían similar. Se les
permitió olor y sabor muestras muchas veces. No se
proporcionó el criterio para llevar a cabo la tarea de
agua y pan estaban disponibles para los evaluadores para Para comparar dos configuraciones, que computa
enjuagar entre muestras. Los evaluadores podrían escupir RVcoeficientes entre producto coordenadas de cada
cervezas si querían. configuración. El rV

Condición ciegos

El experimento en la condición de ciego se llevó a cabo de

1,5 años antes del experimento en la condición visual. El
experimento se llevó a cabo en cabinas separadas
iluminado con una iluminación de neón de 18 W con un
filtro rojo oscuro con papel de seda negro para enmascarar
las diferencias de color entre cervezas. Grupo B
evaluadores no entrenados participaron individualmente en
una sola sesión que consiste en una tarea de clasificación
en los nueve cervezas como se describe en la sección
anterior. asesores entrenados y no entrenados del grupo A
evaluadores realizaron cuatro repeticiones de esta tarea de
clasificación. Repeticiones 1 y 2 se llevaron a cabo durante
un primer período de sesiones y estaban separados por un
descanso de 20 min. Repeticiones 3 y 4 se llevaron a cabo
durante una segunda sesión que tuvo lugar después de 1
semana.

Análisis de los datos

Espacios cerveza de similitud

Para cada asesor, los resultados de las tareas de

clasificación se codifican en matrices de distancia
individuales en los que las filas y las columnas son
cervezas y donde un valor de 0 entre una fila y una
columna indica que el evaluador puso las cervezas juntos,
mientras que un valor de 1 indica que las cervezas no
estaban juntas. Para cada grupo de evaluadores y cada
condición (condiciones visuales y ciegos), las matrices de
distancia individuales obtenidos a partir de los datos de
clasificación se analizaron conDISTATIS (Abdi et al. 2005,
2007). DISTATISes una generalización de tres vías de
escalamiento multidimensional clásica que tiene en cuenta
la clasificación de datos individuales. Este método
proporciona, para los productos, un mapa compromiso de
escalamiento-como multidimensional que se obtiene a
partir de un análisis de componentes principales realizado
en elDISTATISmatriz de productos cruzados compromiso.
Esta matriz compromiso es una media ponderada de las
matrices cruzada de productos asociados con las matrices
de distancia individuales derivados de los datos de
clasificación (Abdi et al.2007). En este mapa, la
proximidad entre dos puntos refleja su similitud. Además,
las clasificaciones ascendente jerárquicos (HAC) con
criterio de Ward se realizaron en producto coordenadas
para identificar grupos de cervezas en cada configuración.

Comparación de las dos configuraciones

 Chem. Percepción. (2009) 2: 143-
146 153
Tabla 1 Composición de los grupos de los evaluadores para cada
condición

estado visual condición de ciego

los evaluadores no los evaluadores no los evaluadores no
asesores entrenados entrenados asesores entrenados entrenados entrenados
Grupo A grupo B

No. de los evaluadores 17 21 13 18 37

7 mujeres / 10 7 mujeres / 14 5 mujeres / 7 5 mujeres / 13 15 mujeres / 22
hombres hombres hombres hombres hombres
La edad media (años) 38.5 36.8 34.6 29.3 25.6
Rango de edad (años) 26-56 22-60 24-54 20-70 21-56
formación media (años) 3.6 3.4
Oferta de formación (años) 1-6.5 2-5

segundo subespacios (a la derecha de la figura.1) Son

coeficiente mide la similitud entre dos config-urations y se diferentes para los evaluadores entrenados y no entrenados
puede interpretar de una manera análoga a un coeficiente (RV = 0,22, p = 0,80), y para ambos
de correlación al cuadrado (Escouffier 1973), Pero su
prueba requiere un procedimiento específico (ver Abdi
2007 para detalles).

resultados

reISTATIS Espacios de similitud en la condición visual

Mesa 2 presenta el valor propio y los porcentajes de

varianza explicada de cada una de las nueve dimensiones
de evaluadores entrenados y no entrenados. Para ambos
grupos de participantes, se seleccionaron cuatro
dimensiones como la solución más apropiada (71,4% y
70,4% de la varianza total para los evaluadores entrenados
y no entrenados, respectiva-ly). Figura1 muestra los mapas
de compromiso de cuatro dimensiones obtenidas para los
evaluadores entrenados y no entrenados. Elipsoides
identifican los grupos de productos obtenidos con una
clasificación ascendente jerárquica de las coordenadas de
los productos para los subespacios 1-2 y 3 subespacios-4
para ambos evaluadores entrenados y no entrenados (Fig.
2). Para ambos grupos de evaluadores, la primera
dimensión tiende a oponerse a las tres cervezas oscuras
(PelfBR, LeffBR, y ChtiBR) y la Leffa a las cervezas
rubias chti y Pelforth. La segunda dimensión tiende a
oponerse a las tres cervezas ámbar (PelfA, Leffa, y ChtiA)
a las otras cervezas. A nivel mundial,. El HAC (Fig2)
Revela una categorización por color de la cerveza-rubia,
ámbar y oscura-con dos excepciones: los evaluadores
entrenados clasifican el LeffBL con las tres cervezas de
color ámbar, mientras que los evaluadores no entrenados
clasifican el Leffa con las tres cervezas oscuras. Esta
similitud entre el primer subespacios (a la izquierda de la
figura.1) De los evaluadores entrenados y no entrenados se
confirma por el gran valor de la RV coeficiente calculado
entre estas dos configuraciones (RV= 0,70, p = 0,0007). El
grupos evaluadores, no hay criterios de categorización
(cervecería o color) aparece cuando se utiliza los
resultados de la HAC.

reISTATIS Espacios de similitud en la condición de Ciegos

Mesa 3 presenta el valor propio y el porcentaje de varianza

explicada de cada una de las nueve dimensiones de
evaluadores entrenados y no entrenados. Para ambos
grupos de participantes, se seleccionaron cuatro
dimensiones como la solución más apropiada (69,9% y
65,8% de la varianza total para los evaluadores entrenados
y no entrenados, respectivamente). Figura3 muestra los
mapas com-promesa de cuatro dimensiones para los
productos obtenidos por evaluadores entrenados y no
entrenados en la primera repetición de la tarea de
clasificación. En cada mapa, elipsoides identifican los
grupos de productos obtenidos con HAC (Fig.4).

En general, se observaron agrupaciones similares en las

dos primeras dimensiones de asesores entrenados y no
entrenados. Esta observación se confirma por el valor
significativo de la RV coeficiente (RV= 0,58, p = 0,02). En
los primeros subespacios (a la izquierda de la figura.3),
Cervezas tienden a ser categorizados por fábricas de
cerveza, lo que sugiere que hay similitudes más de
percepción entre cervezas de la misma fábrica de cerveza
que entre cervezas de diferentes fábricas de cerveza. Para
asesores entrenados, los tres cervezas Leffe están en el
mismo grupo y las cervezas Pelforth y las cervezas chti
tienden a agruparse juntos, respectivamente, con una
inversión para el ChtiBR y la PelfBL. Para los evaluadores
no entrenados, los tres cervezas chti están en el mismo
grupo, y las cervezas Pelforth y la Leffe tienden a
agruparse juntos, respectivamente, con dos excepciones:
PelfBL se agrupa con las cervezas chti y LeffBL se agrupa
con PelfBR y PelfA. El segundo subespacios (a la derecha
de la figura.3) Son diferentes para los evaluadores
entrenados y no entrenados (RV= 0,11, p = 0,28). Por
asesores entrenados, la dimensión 3 se opone a las
cervezas oscuras a ámbar con cervezas cervezas rubias en
el medio. Este patrón sugiere que los evaluadores
entrenados tienden a categorizar cervezas por el color. Sin
embargo, esta observación debe interpretarse con
precaución, ya que la dimensión 3 explica sólo una
relativamente pequeña
Chem. Percepción. (2009) 2: 143-153 147

Tabla 2 Valores propios, los porcentajes de varianza explicada, y la variación acumulada de los nueve dimensiones para los evaluadores
entrenados y no entrenados para la tarea de clasificación en la condición visual

asesores los evaluadores no

entrenados entrenados
valores valores
propios Diferencia (%) varianza acumulada (%) propios Diferencia (%) varianza acumulada (%)

dimensión 1 0.66 26.78 26.78 0.59 26.36 26.36

dimensión 2 0.43 17.58 44.35 0.42 18.98 45.34
dimensión 3 0.37 14,93 59.29 0.31 13.88 59.22
dimensión 4 0.30 12.16 71.44 0.25 11.14 70.37
dimensión 5 0.26 10.40 81.84 0.20 9.13 79.50
dimensión 6 0.22 9.09 90.93 0,19 8.67 88.17
dimensión 7 0.14 5.72 96.65 0.16 7.04 95.21
dimensión 8 0.08 3.35 100.00 0.11 4,79 100.00
dimensión 9 0.00 0.00 100.00 0.00 0.00 100.00

cantidad de varianza total (14,7%). Para los evaluadores no
entrenados, no se observa tal separación por colores de
cerveza.
Comparación entre DISTATIS Espacios en las
condiciones visuales y ciegos
Para evaluar el efecto de la información visual en la
categorización, se calculó RV coeficientes entre las
configuraciones
obtenido en las dos condiciones para los evaluadores
entrenados y no entrenados, respectivamente. estos RV
coeficientes fueron signifi-cant ni para la formación [RV
(Dim1-2) = 0,38, p = 0,33; RV (Dim3-4) = 0,11, p = 0,27]
ni de los evaluadores no entrenados [RV (Dim1-2) = 0,09,
p = 0,27; RV (Dim3-4) = 0,28, p = 0,82], lo que sugiere
que los evaluadores cambiaron su percepción de la
similitud entre las cervezas cuando tienen acceso a la
información visual.

Fig. Mapas de compromiso 1

de cuatro dimensiones para
entrenado (arriba) y los
evaluadores no entrenados
(abajo) para la tarea de
clasificación en la condición
visual. Los ellip-soids
corresponden a los grupos
identificados con un HAC
148 Chem. Percepción. (2009) 2: 143-
153

La Fig. 2 Dendrogramas del

HAC calculadas sobre los
productos coordenadas en las
dimensiones 1 y 2 (izquierda) y
en las dimensiones 3 y 4
(derecha) para entrenado
(arriba) y no entrenados (abajo)
asnos-Sors' de clasificación de
datos en la condición visual

La estabilidad de la clasificación de datos
Estabilidad en los individuos
Evaluamos entrenados y repetibilidad del grupo A no
entrenados evaluadores mediante la comparación de sus
clases durante los cuatro repeticiones de la tarea de
clasificación. Un análisis de dos factores de la varianza
(ANOVA) en los dentro-evaluadores RV coeficientes (es
decir, el RV coeficientes se calcularon entre cada
matriz individual en cada repetición) se llevó a cabo para
evaluar el efecto de la formación (entrenado / inexperto) y el
tiempo entre dos repeticiones (20 min: medio de los dos R V
coeficientes calculados entre las repeticiones 1-2 y 3-4/1
semana: medio de los cuatro RV coeficientes calculados entre
las repeticiones 1-3, 1-4, 2-3, y 2-4). La formación se
introduce en el modelo como una variable entre sujetos y el
tiempo entre dos repeticiones como una variable en un mismo
sujeto. No se encontraron efectos significativos de la
formación o la hora. Sin embargo,

La Tabla 3 Valores propios, los porcentajes de varianza explicada, y la variación acumulada de los nueve dimensiones para los evaluadores
entrenados y no entrenados para su primera tarea de clasificación en la condición de ciego

asesores los evaluadores no

entrenados entrenados
valores valores
propios Diferencia (%) varianza acumulada (%) propios Diferencia (%) varianza acumulada (%)

dimensión 1 0.58 24.92 24.92 0.54 24.95 24.95

dimensión 2 0.44 18.69 43,62 0.37 17.06 42.00
dimensión 3 0.34 14.70 58.31 0.28 12.97 54.97
dimensión 4 0.27 11,57 69.88 0.24 10,81 65.79
dimensión 5 0.21 9.04 78.92 0.22 10,28 76.07
dimensión 6 0.21 8.88 87.80 0.20 9.11 85.17
dimensión 7 0.16 6.94 94.74 0,19 8.51 93.68
dimensión 8 0.12 5.26 100.00 0.14 6.32 100.00
dimensión 9 0.00 0.00 100.00 0.00 0.00 100.00
Chem. Percepción. (2009) 2: 143-153 149

Fig. 3 mapas de compromiso

de cuatro dimensiones de
formación (arriba) y los
evaluadores no entrenados
(abajo) para su primera tarea de
clasificación en la condición de
ciego. Los elipsoides
corresponden a los grupos
identificados con HAC
La estabilidad entre los individuos

Para tener una estimación del acuerdo de los participantes

sobre su clasificación en la condición de ciego, primero
compilado

este fracaso para mostrar ningún efecto significativo puede ser

explicado por la baja potencia de la prueba debido a la
relativamente pequeño número de participantes y por la gran
variabilidad interindividual de la RVcoeficientes. Figura5
muestra los diagramas de caja de RVcoeficientes de
distribución calculada entre cada repetición para los
evaluadores entrenados y no entrenados. En esta figura,
vemos que la variabilidad interindividual de la RV
coeficientes para asesores entrenados es globalmente menor
que el de los evaluadores no entrenados, mientras que la
RVmedios de coeficientes son muy similares entre los dos
grupos de evaluadores. Para analizar más a fondo esta
variabil-dad inter-individual, se calculó el intervalo de
confianza del 99% para cada RV coeficiente y contó el
número de evaluadores entrenados y no entrenados cuya
RVCoeficiente difería significativamente de cero. Hemos
encontrado que en todas las repeticiones, el 94,9% de los
asesores entrenados tenía un RVcoeficiente significativamente
diferente de cero frente a 70,4% para los evaluadores no
entrenados. Por lo tanto, los evaluadores entrenados eran
globalmente más repetible que los evaluadores no entrenados
en las cuatro repeticiones pesar de que lasANOVA no se
presentó ningún efecto sobre el valor medio de R V
coeficientes.
los datos de clasificación de la primera repetición de la 13
entrenado y 18 evaluadores entrenados del grupo A con los
datos de clasificación de los evaluadores no entrenados 37
del grupo B a 68 obtenidos tipo diferente. Se utilizó un
procedimiento de arranque en estos datos para examinar la
estabilidad de las categorizaciones más de estas 68 clases.
El bootstrap (Efron y Tibshirani1993) Es un método de
inferencia estadística no paramétrica que se utiliza aquí
para crear intervalos de confianza para la posición de los
productos. porDISTATIS, el bootstrap primero crea un
conjunto de matrices de distancia mediante el muestreo
con el reemplazo de las matrices de datos de clasificación
iniciales, y DISTATISse utiliza para calcular una matriz de
compromiso de este conjunto de matrices de distancia.
Entonces, este procedimiento se repite 1000 veces y todos
los 1.000 matrices de compromiso se proyectan sobre el
compromiso originales. Un elipsoide confianza que
comprendía 95% de las proyecciones de estas matrices de
transacción se calcula para cada producto (ver Abdi et
al.2009 para más detalles sobre estos cálculos).
Figura 6 muestra el mapa compromiso de cuatro
dimensiones. Los elipsoides de confianza representan la
variabilidad de los resultados durante los 68 asesores.
Observamos que elipsoides son pequeñas, lo que demuestra
que las categorizaciones de los evaluadores son estables.
Además, podemos ver en los primeros mapas de dos
dimensiones (Fig.6 a la izquierda) que los elipsoides de
confianza de las tres cervezas Leffe, de las tres cervezas chti,
y de la
150 Chem. Percepción. (2009) 2: 143-
153

La Fig. 4 Dendrogramas del

HAC calculadas sobre los
productos coordenadas en las
dimensiones 1 y 2 (izquierda) y
en las dimensiones 3 y 4
(derecha) para entrenado
(arriba) y no entrenados (abajo)
asnos-Sors' de clasificación de
datos en la condición ciego
veces el rango intercuartil
(Es decir, la longitud de la caja)

PelfBR y PelfA se superponen, respectivamente, pero no

se superpongan entre ellos. Este patrón confirma que los
evaluadores entrenados y no entrenados globalmente
clasifican cervezas en su mayoría utilizando el criterio de
cervecería. En dimensiones 3 y 4 (Fig.6a la derecha),
elipsoides de confianza de los nueve cervezas se
superponen, excepto los de PelfA y PelfBL. Este patrón
confirma que los evaluadores no están totalmente de
acuerdo en las categorizaciones. Sin embargo, observamos
que las cervezas tendían a ser clasificados por colores de
cerveza en estas dimensiones 3 y 4. De hecho, los
elipsoides de confianza de las tres cervezas oscuras son

Fig. 5 Diagrama de cajas de RV Coefi-

distribución coeficientes calcula
entre cada uno de los cuatro repetitivo
ciones de (cajas negras) capacitados
y (cajas blancas) sin entrenamiento
evaluadores. La caja se extiende desde
el primero en el tercer cuartil, la
signo representa la media
valor, y los extremos de las líneas
que se extiende desde la caja
(Barbas) indican la maxi-
madre y los datos mínimos
valores, a menos que los valores atípicos son PRESION
ent en cuyo caso los bigotes
extender a un máximo de 1,5
muy cerca y se oponen a los elipsoides de confianza de
cervezas rubias y ámbar.
En segundo lugar, para evaluar el efecto del
entrenamiento sobre la estabilidad entre-individuo, se
analizó el consenso dentro de los evaluadores entrenados y
no entrenados grupo A mediante el cálculo de RV
coeficientes entre las matrices individuales de cada
evaluador y el resto de su / su grupo para la primera
repetición (Fig. 7). Un estudiante'prueba st realiza en estos
RVcoeficientes mostraron una diferencia significativa en el
consenso entre los evaluadores entrenados y no entrenados
[T (29) = 2,18; p <
Chem. Percepción. (2009) 2: 143-153 151

Fig. Mapas de transacción 6

Four-dimensionales de las Prod-
ductos con 95% de confianza
ellip-soids calculadas por
bootstrap en asesores
entrenados y los dos grupos de
datos de evaluadores
entrenados. Las líneas negras
continuas representan las
cervezas oscuras, las líneas
grises discontinuas representan
las cervezas de color ámbar, y
las líneas grises de puntos
representan las cervezas rubias
propiedades quimiosensoriales cerveza. Sin embargo, la
influencia del color en la percepción del gusto químico-
sensorial expertos tal se ha informado anteriormente. Por
ejemplo, Pangborn et al. (1963) Encontró un efecto del color
en la percepción de la dulzura de los vinos: un color rosa vino
blanco (con el fin de dar la apariencia de un vino rubor) fue
percibido por los expertos en vinos como más dulce que la
0,05]. Esto demuestra que los evaluadores entrenados eran misma
más consensuales que los evaluadores no entrenados en su
categorización.

Discusión

Con este experimento, que queríamos explorar cuáles son

los criterios de clasificación son utilizados por los
evaluadores de cerveza con y sin entrenamiento cuando
organizan sus percepciones de cervezas. Utilizamos tareas
de clasificación con el fin de estudiar dos criterios
diferentes, color de la cerveza y de cerveza, en dos
condiciones de degustación, visuales y condiciones ciegas.
Esperábamos que la organización de espacios de
percepción de cerveza sería diferente para los evaluadores
entrenados y no entrenados, porque los evaluadores
entrenados tienen conocimiento sobre las características
sensoriales de la cerveza que podrían afectar sus criterios
de clasificación.

Influencia de la información visual sobre el Beer

Categorización

En la condición visual, los evaluadores entrenados y no

entrenados tanto claramente cervezas clasifican por color,
mientras que en la condición de ciego, que clasifican cervezas
por la fábrica de cerveza. Este resultado sugiere que en una
tarea de categorización cerveza, ambos evaluadores
entrenados y no entrenados tienden a confiar más en la
información visual que en la información químico-sensorial.
Si bien este dominio visual no es sorprendente para los
evaluadores no entrenados, esperábamos evaluadores
entrenados para ser menos influenciados por el color de la
cerveza, ya que se utilizan para degustar cerveza bajo la luz
roja y que centran su atención en el sabor y el aroma de la
cerveza. Por otra parte, los asesores entrenados declararon que
no habían basado su tipo en la información visual, pero en las
vino incoloro. Más recientemente, Morot et al. (2001)
Demostraron que los expertos del vino describen el olor de un
vino blanco, coloreados artificialmente en rojo como el vino
tinto. Los resultados del experimento de Morrot et al.
demuestran que los expertos se basan en la apariencia visual
para interpretar informa-ción químico-sensorial. En otras
palabras, los seres humanos están orientados de manera visual
que incluso los expertos buscan señales visuales cuando
interpretan la información químico-sensorial, y estas señales
visuales pueden enmascarar otra información como hemos
observado aquí. Este fenómeno de enmascaramiento puede
explicarse en términos de la atención selectiva o en términos
de la búsqueda de congruencia. Desde la perspectiva de la
atención selectiva, podemos plantear la hipótesis de que los
evaluadores no pudieron procesar tanto la información visual
y químico-sensorial al mismo tiempo y que realiza la tarea de
categorización sobre todo en la información visual, adaptación
hacia fuera el olfato, el gusto y la información. Desde una
perspectiva de la búsqueda de la congruencia, podemos
plantear la hipótesis de que los evaluadores pueden cambiar
su atención de la información visual a quimiosensoriales
información, sino que la percepción químico-sensorial es
impulsado por la información visual. Es decir, al asistir a la
información quimio-sensorial, evaluadores,
inconscientemente, buscan una confirmación de la
información visual en lugar de analizar las propiedades olfato
y el gusto. Esta segunda explicación podría

La Fig. 7 Medios y errores estándar de RV coeficientes calculados

entre las matrices individuales de cada evaluador y el resto de su / su
grupo de asesores entrenados y no entrenados para la primera
repetición
152 Chem. Percepción. (2009) 2: 143-
153
un entrenamiento formal en el análisis sensorial de cerveza en
explicar por qué nuestros asesores entrenados consideraron la que aprenden a reconocer, identificar y comunicar las
que confiaban más en la información químico-sensorial propiedades sensoriales de cervezas, pero que no poseen el
que en la información visual cuando en realidad se basó conocimiento académico sobre el proceso de cerveza o de
más en la información visual. marketing. Esta experiencia sensorial estándar es bastante
Por último, el predominio de las fábricas de cerveza en la diferente
cerveza categorización observado en la condición de ciego
sugiere la existencia de un patrón de fábrica de cerveza que es
percibido por ambos evaluadores entrenados y no entrenados.
Este patrón de cerveza parece ser común a todos los tipos de
cervezas (rubia, ámbar y oscuros). Este resultado es una
reminiscencia de un estudio realizado por Aubry et al. (1999),
Quien encontró un patrón bodega de vinos Pinot noir de
Borgoña. Los autores mostraron que los evaluadores
entrenados inconscientemente agrupado los vinos de un
enólogo dado tal vez porque cada enólogo tiene una
específica“estilo.” En el caso de cervezas, este patrón fábrica
de cerveza podría explicarse por varios parámetros de
elaboración (temperatura de elaboración de la cerveza, hora,
tipo de filtración, pasteurización, etc.), entre las que las
levaduras podría ser un factor importante que confiere a cada
fábrica de cerveza un estilo específico.

Influencia de la especialidad en la cerveza Categorización

Contrariamente a nuestra hipótesis, no se observó un efecto

del entrenamiento sobre la categorización de cerveza. Después
de Salomón (1997) Y Ballester et al. (2008), Esperábamos
asesores entrenados a confiar más en la información
conceptual (fábrica de cerveza) que la información perceptual
(color). En el estudio de Salomón, mientras que los expertos
vinos clasifican de acuerdo a la variedad de uva, los
principiantes utilizan“características superficiales” such as
sweetness or fruitiness to sort the wines. The author explained
this difference between experts and consumers in terms of
learning effects. Through repeated exposures to wines made
from different grape varieties, experts have developed wine
representations based on grape variety. When asked to
perform a sorting task, experts would then use these wine
representations to guide their choices. Consumers do not have
such representations, and therefore, they would base their
sorting decisions on surface characteristics such as sweetness.
In other words, according to Solomon, experts and consumers
would use different cognitive processes to perform a sorting
task. Experts would rely heavily on top-down information
(memory representation), whereas consumers would rely
more heavily on bottom-up information (perceptual or surface
characteristics).
Una de las razones para explicar por qué no se observó un
efecto del entrenamiento sobre criterios de categorización
podría ser que-como se menciona en “Introducción“-en
comparación con los estudios de Solomon (1997) Y Ballester
et al. (2008), Nuestros asesores entrenados no son expertos de
cerveza en el sentido de ser “profesionales”: Sus profesiones
no están conectados con cerveza. Ellos asisten regularmente
 evaluadores entrenados y no entrenados. En primer lugar,
a partir de la experiencia profesional de los participantes de los experimentos ponen de manifiesto el dominio de la
Salomón (1997) Y Ballester et al. (2008) De hecho, para información visual en la información químico-sensorial
los productores, profesionales del vino, sumilleres, durante una tarea de categorización cerveza. Asesores,
alumnos de Enología y otros profesionales del vino, la cualquiera que sea su nivel de experiencia, utilizar técnicas
categorización es la base de la formación. Estos de imagen como una base antes de analizar las propiedades
profesionales del vino utilizan las nociones de tipo de uva, quimiosensoriales de cervezas.
la región de origen, año, etc., para comunicar sobre y para
clasificar los vinos, y también están entrenados para
reconocer un vino específico como miembro de una
categoría. Esto podría explicar por qué los profesionales de
Salomón (1997) Y Ballester et al. (2008) Usado tipo de
uva como criterio para clasificar los vinos. Por el contrario,
nuestros asesores entrenados no aprendieron un sistema de
categorización de cerveza y por lo tanto no estaban
acostumbrados a pensar en una cerveza en términos de
pertenencia a una categoría específica. Aprendieron a
describir las características perceptivas de cervezas de una
manera repetible y consensuada. Así que parece que una
mera exposición a las cervezas no es suficiente para
construir representaciones conceptuales. Los individuos
deben participar en un proceso de formación que incluye
una categorización para desarrollar las representaciones
mentales comunes que los diferencian de los novatos.
Podemos hipótesis es que los fabricantes de cerveza, cuya
experiencia parece ser más similares a las de los
participantes de Salomón y Ballester et al., Podríamos
categorizar las cervezas diferente a los evaluadores no
entrenados. Por otra parte, contrariamente a los
consumidores de vino que no conocen la noción de tipo de
uva, consumidores de cerveza se familiarizan con las
fábricas de cerveza, ya que lo utilizan en la compra de
cerveza, por ejemplo. También puede explicar por qué no
se observó una diferencia entre las categorizaciones
evaluadores entrenados y no entrenados.
Sin embargo, incluso si el entrenamiento sensorial de
cerveza no da lugar a representaciones conceptuales de
cervezas, asesores entrenados son globalmente más repetible y
más consensuales que los evaluadores no entrenados, como ya
se ha demostrado (Clapperton y Piggott 1979; Chollet y
Valentín2006). Así que parece que el entrenamiento sensorial
cede algunos cambios en las representaciones mentales,
incluso si no es suficiente para construir representaciones
conceptuales diferentes, desde principiantes. Sin embargo, es
necesario seguir trabajando para comprender mejor estos
cambios.

Conclusión

En este trabajo, la categorización de cerveza se estudió

como una manera de comprender mejor experiencia
químico-sensorial. Exploramos el cambio en la
organización de la percepción cerveza con un
entrenamiento sensorial mediante el examen de los
criterios de categorización de cerveza utilizados por los
Chem. Percepción. (2009) 2: 143-153
En segundo lugar, no se observó un efecto del
entrenamiento sensorial en la organización del sistema de
categorización. En comparación con estudios previos con
expertos en vino, se puede sugerir que hay una diferencia
entre la experiencia profesional y la experiencia sensorial.
Los expertos profesionales tienen conocimientos técnicos,
además del conocimiento químico-sensorial podría tener
una gran influencia en sus Percep-ciones. Por otra parte, la
diferencia de enfoque de formación entre profesionales
expertos y evaluadores sensoriales podría explicar que los
profesionales desarrollan mentales comunes repre-
sentaciones de productos que los diferencian de los
novatos en una tarea de categorización.
referencias
Abdi H (2007) El Rvcoeficiente y el coeficiente de congruencia. En:
Salkind N (ed) Enciclopedia de medición y estadísticas. Sage,
Thousand Oaks, pp 849-853
Abdi H, Dunlop JP, Williams LJ (2009) How to compute reliability
estimates and display confidence and tolerance intervals for
pattern classifiers using the bootstrap and 3-way multidimen-
sional scaling (DISTATIS). NeuroImage 45:89–95
Abdi H, Valentin D, O'Toole AJ, Edelman B (2005) DISTATIS: the
analysis of multiple distance matrices. Proceedings of the IEEE
Computer Society: International Conference on Computer
Vision and Pattern Recognition. San Diego, CA, USA, pp 42–47
Abdi H, Valentin D, Chollet S, Chrea C (2007) Analyzing assessors
and products in sorting tasks: DISTATIS, theory and
applications. Food Qual Prefer 18:627–640
Aubry V, Etievant P, Sauvageot F, Issanchou S (1999) Sensory
analysis of Burgundy Pinot noir wines: a comparison of
orthonasal and retronasal profiling. J Sens Stud 14(1):97–117
Ballester J, Dacremont C, Le Fur Y, Etievant P (2005) El papel de la
olfacción en la elaboración y uso del concepto de vino
Chardonnay. Prefiero alimentos Qual 16 (4): 351-359
Ballester J, B Patris, Symoneaux R, D Valentin (2008) vs. conceptual
espacios de vino de percepción: la experiencia sí importa?
Prefiero alimentos Qual 19 (3): 267-276
Chollet S, D Valentin (2000) Le degré d'experiencia en-il une
influencia sur la percepción olfativa? Quelques éléments de
reponses dans le domaine du Vin [nivel de percepción de olores
y Experiencia: lo
153
podemos aprender de los vinos de Borgoña rojos?]. L'Année
Psychologique 100: 11-36
Chollet C, D Valentin (2001) Impacto de la formación en la cerveza
percepción del sabor y la descripción: son entrenados y sujetos
no entrenados realmente diferente? J Sens Stud 16: 601-618
Chollet S, D Valentin (2006) Impacto de la formación en la
percepción del sabor de la cerveza. Cerevisia 31 (4): 189-195
Clapperton JF, Piggott JR (1979) Flavour characterization by trained and
untrained assessors. Journal of Institute of Brewing 85:275–277
D’Eer M (1998) La bière: ales, lagers et lambics [Beer: ales, lagers
and lambics]. BièreMag, Saint-Laurent, Québec
D'Eer M (2005) Atlas mondial de la bière [World atlas of beer].
Trécarré, Outremont, Québec
Efron B, Tibshirani RJ (1993) An introduction to the bootstrap.
Chapman and Hall, New York
Escouffier Y (1973) Le traitement des variables vectorielles
[Analysis of vector variables]. Biometrics 29:751–760
Feldon DF (2007) The implication of research on expertise for
curriculum and pedagogy. Educ Psychol Rev 19:91–110
Glover B (2001) Le grand livre de la bière [The complete guide to
beer]. Manise, Genève
Hughson AL, Boakes RA (2002) The knowing nose: the role of
knowledge in wine expertise. Food Qual Prefer 13(7–8):463–472
Ishii R, Kemp SE, Gilbert AN, O'Mahony M (1997) Variation in
sensory conceptual structure: an investigation involving the
sorting of odor stimuli. J Sens Stud 12:195–214
Jackson M (1999) La bière [Beer]. Gründ, Paris
Labbé D, Rytz A, Hugi A (2004) Training is a critical step to obtain
reliable product profiles in a real food industry context. Food
Qual Prefer 15(4):341–348
Mastrojanni M (1999) Guide de l'amateur de bière [Guide for beer
enthusiast]. Solar, Paris
Morot G, Brochet F, Dubourdieu D (2001) The color of odors. Brain
Lang 79:309–320
Pangborn RM, Berg HW, Hansen B (1963) The influence of color on
discrimination of sweetness in dry table wine. Am J Psychol
76:492–495
Solomon GEA (1997) Conceptual change and wine expertise. J Learn
Sci 6:41–60
Valentin D, Chollet C, Béal S, Patris B (2007) Expertise and memory
for beers and beer olfactory compounds. Food Qual Prefer 18
(5):776–785
Vicente KJ, Wang JAH (1998) An ecological theory of expertise
effects in memory recall. Psychol Rev 105(1):33–57
Webb T (2005) Good beer guide Belgium. CAMRA Campaign for
Real Ale, St. Albans