Pensi che a qualcun altro potrebbe interessare questo articolo? Aiutaci a condividerlo:

La corretta pianificazione di un disegno sperimentale richiede l’identificazione di tutte le possibili fonti di variabilità dei dati e di come queste possono essere eliminate o controllate.

Oltre alla variabilità intrinseca dei prodotti da sottoporre all’indagine, esistono altre possibili cause di variabilità che devono essere tenute sotto controllo. Un esempio è rappresentato dalla variabilità derivante dalla manipolazione e preparazione dei prodotti, che deve essere il più possibile standardizzata per non alterare le condizioni del test. Anche semplici operazioni quali portare il prodotto ad una certa temperatura – che deve essere quella più adatta al consumo di quel prodotto – oppure il dosaggio di un ingrediente possono diventare un’importante fonte di variabilità dei dati se non eseguite in modo corretto.

Ma molto rilevante e da non sottovalutare è anche la variabilità indotta dalla sequenza con cui i campioni vengono proposti all’assaggio. È noto che la valutazione del primo prodotto condiziona quella dei campioni successivi; in particolare, nella maggior parte dei casi, sistematicamente i punteggi di gradimento dei campioni valutati dopo il primo diminuiscono.

Di seguito, è riportato un chiaro esempio di questo fenomeno. I dati in tabella (Tab.1) sono estrapolati da un recente lavoro condotto da Adacta International, in cui erano state proposte all’assaggio 5 referenze, in sequenza monadica e in condizioni blind (identificate solo con un codice alfanumerico). I risultati mostrano come i punteggi di gradimento overall assegnati ai prodotti sono piuttosto differenti in funzione dell’ordine con cui sono proposti all’assaggio. In particolare, quando un qualsiasi prodotto viene valutato per primo ottiene punteggi di overall liking sensibilmente più elevati rispetto a quando è valutato nelle posizioni successive. Dunque, se si fosse fatto assaggiare un prodotto sempre nella stessa posizione si sarebbe generata una notevole distorsione dei dati.

Questo tipo di errore viene evitato con il bilanciamento della sequenza dei prodotti: in questo modo tutti i campioni risentono allo stesso modo dell’influenza reciproca e l’effetto “primo provato” viene annullato.

In linea generale, per essere statisticamente efficace un disegno sperimentale deve prevedere che ogni campione:

  • Sia valutato lo stesso numero di volte
  • Sia valutato in tutte le posizioni lo stesso numero di volte
  • Sia preceduto da ogni altro campione lo stesso numero di volte

Un’altra variabile importante è il numero di prodotti da far assaggiare in una stessa sessione.

Una domanda frequente che viene posta nella costruzione di un disegno sperimentale è: quanti campioni possono essere assaggiati in una stessa sessione? La risposta è che dipende strettamente dalla natura del prodotto su cui si sta lavorando e, in funzione di questa, il numero può variare da un minimo di 2 ad un massimo di 5. Se, ad esempio, si tratta di un caffè, che ha un notevole impatto aromatico e gustativo, il numero di prodotti che si può valutare in una sessione è molto limitato in quanto l’esposizione prolungata ad una sensazione (olfattiva o gustativa) molto forte da origine ad un fenomeno di adattamento sensoriale, che provoca una parziale perdita della sensibilità percettiva.

In funzione del numero di prodotti oggetto di test, tenuto conto anche della tipologia di prodotto che, come detto più sopra, condiziona la numerosità di prodotti da sottoporre ad assaggio, si può adottare un disegno a blocchi completi, in cui ogni consumatore assaggia e valuta tutti i prodotti in test, oppure – se il numero di prodotti in test è troppo alto perché sia valutato in un’unica sessione – un disegno a blocchi incompleti, in cui si valuta un sottogruppo di campioni, scelto in modo che ogni prodotto sia comunque valutato lo stesso numero di volte.

Per concludere, una buona ricerca parte sempre dalla definizione di un disegno sperimentale adeguato e corretto e dalla sua capacità di tenere sotto controllo tutti i fattori fonte di variabilità ed incertezza dei dati.