Die sensorische Bewertung, die die menschlichen Sinne nutzt, wird im Allgemeinen in analytische sensorische Bewertung, die objektive Ergebnisse durch ein geschultes Panel liefert, und präferenzbasierte sensorische Bewertung, die subjektive Ergebnisse von Konsumenten erfasst, unterteilt. In den letzten Jahren wurden jedoch viele neue Methoden (Rappid-Methoden) eingeführt, die eine Bewertungsanalyse mit einer gewissen Genauigkeit ermöglichen und gleichzeitig den Zeit- und Kostenaufwand für Panel-Schulung und -Bewertung reduzieren. Eine dieser Rappid-Methoden, das Free Choice Profile (FCP), ist eine Methode, bei der die Testpersonen Proben anhand ihrer eigenen Bewertungskriterien beurteilen. Sie hat den Vorteil, die natürlichen Wahrnehmungen und Äußerungen der Konsumenten direkt zu erfassen, ohne dass eine vorherige Panel-Schulung erforderlich ist. Die von jeder Person mit unterschiedlichen Kriterien und Skalen erhobenen Daten werden mittels multivariater Analyse und generalisierter Prokrustes-Analyse (GPA) integriert und als gemeinsamer Wahrnehmungsraum für alle Proben interpretiert.
Um diesmal eine GPA-Analyse durchzuführen, die nicht im JMP-Analysemenü enthalten ist, und FCP-Daten auszuwerten, haben wir mithilfe einer KI-Generierung ein Skript erstellt und die Analyse durch die Verknüpfung von JMP und Python ermöglicht. Wir möchten die Ergebnisse und die Interpretation der FCP-Daten vorstellen.
