Summary
自動化された顔の表情分析ソフトウェアを用いて官能評価実験室で飲料液化食品へ集団の感情的な応答を捕捉し、統計的に分析するためのプロトコルを説明します。
Introduction
自動化された表情分析(AFEA)飲料や食品に感情的な反応を特徴付けるための前向きな分析ツールです。感情的な分析は、既存の感覚科学の方法論、食品の評価の実践、および一般的に研究し、業界の設定の両方で使用快楽規模の評価に余分な次元を追加することができます。感情的な分析は、食品や飲料へのより正確な応答を明らかにし、追加のメトリックを提供することができます。反応1を記録するために、障害に起因する快楽スコアは、参加者の偏りを含んでもよいです。
AFEAの研究は、コンピュータゲーム、ユーザーの行動、教育/教育学、および共感と詐欺に心理学の研究を含む多くの研究用途に使用されています。ほとんどの食品関連の研究は、食品の品質と食品と人間の行動に感情的な反応を特徴付けるに焦点を当てています。食品の行動への洞察を得るの最近の傾向では、文学の成長体はAFEAの使用を報告します食品、飲料、及び臭気物質1-12に関連した人間の感情的な反応を特徴付けるため。
AFEAは顔面動作分析法(FACS)に由来します。顔面行動コーディングシステム(FACS)は5ポイント強度スケール13上で動作単位(AUS)によって特徴づけられる顔の動きを判別します。 FACSのアプローチは、訓練された審査の専門家、マニュアルコーディング、かなりの評価時間を必要とし、限られたデータの分析オプションを提供します。 AFEA感情を決定するための迅速な評価方法として開発されました。 AFEAソフトウェアは、感情的な反応14-18を特徴づけるために、顔の筋肉の動き、顔のデータベース、およびアルゴリズムに依存しています。本研究で用いたAFEAソフトウェアは、感情的な表情の写真(WSEFEP)のワルシャワセットと0.70の標準的な合意に近いですアムステルダムダイナミック表情セット(ADFES)、両方の平均で0.67の合意の「FACSインデックスに達し手動コーディング"19のための)20表明しました。また、心理学の文献は、「撤退」の感情(離れ嫌悪刺激から)21のような、幸せな驚き、そして(刺激に向かって)「アプローチ」の感情として怒っていると悲しい、怖い、とうんざり含まれています。
食品に関連した感情を特徴付けるための現在のAFEAソフトウェアの1つの制限は、咀嚼や嚥下だけでなく、このような極端な頭の動きなど、他の粗大運動の動きに関連した顔の動きからの干渉です。ソフトウェアは、顔16,17上の500以上の筋肉の点に基づいて位置や動きの度合いを、関連する、小さい顔の筋肉の動きを対象としています。咀嚼運動は、式の分類を妨害します。この制限ationが液化食品を使用して対処することができます。しかし、他の方法論の課題はまた、データ収集環境、技術、研究者の指示、参加者の行動、および参加者の属性を含むビデオ感度とAFEA分析を減少させることができます。
標準的な方法が開発され、最適なビデオキャプチャと官能評価実験室の設定で食品や飲料への感情的な反応のためAFEAを使用して、データ分析のために確認されていません。多くの側面が原因照明、参加者の方向、参加者の行動、参加者の高さだけでなく、カメラの高さ、カメラ釣り、および機器の設定にシャドーイング、照明などのビデオキャプチャ環境に影響を与えることができます。また、データ分析の方法論は矛盾していると感情的な反応を評価するための標準的な方法論を欠いています。ここで、我々は(飲み物を使用して、意味のある結果に感情的なデータや処理データを取得するため、当社の標準的な操作手順を紹介します評価のための風味のミルク、味付けされていない牛乳と味付けされていない水)。我々の知る唯一の査読出版物に、私たちの研究室のグループから、感情分析8のためのデータ解析のための時系列を利用しています。しかし、この方法は、私たちの提示方法のために更新されました。私たちの目的は、官能評価実験室の設定で再現性を助けるために改良された一貫性のある方法論を開発することです。デモでは、研究モデルの目的は、AFEAは、風味のミルクの伝統的な快楽受容性評価、味付けされていない牛乳と味付けされていない水を補うことができれば評価することです。このビデオプロトコルの意図は、AFEA方法論を確立する助け官能評価実験室におけるビデオキャプチャ条件(感覚ブース設定)を標準化し、集団の時間的感情的データ分析のための方法を示すことです。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
倫理に関する声明:本研究は、従来のプロジェクトを開始するバージニア工科大学施設内倫理委員会(IRB)(IRB 14から229)によって事前に承認されました。
注意:人体実験は、参加する前にインフォームドコンセントが必要です。静止画や動画画像の使用のためのIRB承認、同意に加えて、印刷、ビデオ、またはグラフィックイメージングのために任意の画像を解放する前に必要とされます。さらに、食物アレルゲンは、試験前に開示されています。彼らは任意の不寛容、アレルギーやその他の懸念を持っている場合、参加者は、パネルの開始前に求められます。
注:除外基準を:自動表情分析が厚い枠メガネ、多額のひげを生やした顔や肌の色に敏感です。これらの基準を持っている参加者が原因で失敗したビデオのリスク増加にソフトウェアの分析と互換性がありません。これは、顔を見つけるためのソフトウェアのことができないことに起因します。
1.サンプルの調製および参加者募集
- 飲料やソフトを準備食品サンプル。
- コステロとクラーク(2009)22から2%の牛乳を使用して、酪農ソリューションを激化し、提案した味だけでなく、他のフレーバーを準備します。次の溶液を準備します(1)味付けされていない牛乳(2%低脂肪乳を)。 (2)味付けされていない水(飲料水)。乳中の(3)バニラエキスフレーバー(0.02グラム/ミリリットル)(模造明確なバニラ味)。及び乳中の(4)塩辛い味(0.004グラム/ mlのヨウ素添加塩)。
注:これらのソリューションは、デモの目的でのみ使用されています。 - 2オンスに各溶液の半分オンスのアリコート(〜15グラム)を注ぎます。色分けされた蓋付き透明プラスチックサンプルカップとキャップ。
注:透明なカップを使用することをお勧めします。しかし、それは研究者の裁量に任されています。
- コステロとクラーク(2009)22から2%の牛乳を使用して、酪農ソリューションを激化し、提案した味だけでなく、他のフレーバーを準備します。次の溶液を準備します(1)味付けされていない牛乳(2%低脂肪乳を)。 (2)味付けされていない水(飲料水)。乳中の(3)バニラエキスフレーバー(0.02グラム/ミリリットル)(模造明確なバニラ味)。及び乳中の(4)塩辛い味(0.004グラム/ mlのヨウ素添加塩)。
- キャンパスや研究に参加する地域からの参加者を募集。
注:研究のために必要な参加者のサンプルサイズは、研究者の裁量に任されています。私たちは、10〜50の参加者の範囲をお勧めします。 前の研究への参加にヒト被験者の同意を得ます。
ビデオキャプチャ用パネルルームの調製
注:このプロトコルは、官能評価実験室でのデータ取得のためのものです。このプロトコルは、感覚ブース設定のAFEAデータキャプチャが便利なようにすることです。
- 前方に彼らの焦点を維持し、見下ろして防止するために、彼らの前でタッチスクリーンモニタとの個別ブース(顔レベル)を使用します。
- バックサポートで高さ調節椅子を使用してください。
注:これらは、参加者が上下に調整し、ビデオキャプチャに適した範囲内に配置されることを可能にするために不可欠です。参加者の動きが低減されるように調整可能なバックの高さをサポートした静止椅子(無ローリング機能)を使用します。 - (; R = 206; G = 242; B = 255光源6504K)、最適な顔の感情的なビデオキャプチャは、「100%の昼光」で頭上の照明を設定します。
注:強烈なシャドウイングを回避するために、拡散正面の照明はIDEですアル光強度や色を20として関係ありませんしながら。最終的には、捕獲のための照明を制御するために、研究者、個々のプロトコル/方法論、および環境の裁量に任されています。 - 記録のためのタッチスクリーンモニタ上に調整可能なカメラを固定。
- 少なくとも640×480ピクセル(またはそれ以上)20の解像度でカメラを使用してください。購入およびインストール20前にソフトウェアプロバイダとの必要なカメラ機能を話し合います。注:アスペクト比が重要20ありません。
- 一貫性を保つために30秒あたりのフレーム数(または他の標準速度)にカメラのキャプチャ速度を設定します。
- 接続して録音ソフトウェアを記録し、参加者のビデオを保存するためにカメラに設定されているメディアを確保します。
3.参加者の調整と口頭行き方
- 一度に1人の参加者だけが知覚ブースでサンプルを評価しています。
注:より多くのテスト同時に一人の参加者は、テスト環境に干渉し、参加者の集中を乱すやバイアスを作成することができます。 - 到着すると、参加者プロセスと標準操作手順について口頭で指示を与えます。
- 参加者はまっすぐと椅子の背に対して座らせます。
- 参加者の顔が顎上や目の周りの影のない、ビデオ録画の中心で捕捉されるように、椅子の高さ、椅子(カメラからの距離)の位置、およびカメラの角度を調整します。
注:感覚のブースでは、参加者の頭部は、およそ20 - 24インチ離れてカメラとカメラのビデオフィードの中央に顔をしたモニターから。 - 位置付けとして座ったままに、参加者に指示し、モニタ表示の方を向いている焦点を当てました。さらに、サンプルあたり30秒の評価期間中の任意の突然の動きポストサンプル消費を控えるよう参加者に指示します。 全体飲料又は液化食品サンプルを消費し、飲み込むために参加者に指示します。
- サンプルが口にした後すぐに、すぐにテーブルにあごの下とダウンサンプルカップを移動するために、参加者に指示します。これは、顔の閉塞を排除することです。モニターに向かって探し続けるためにそれらを思い出させます。
注:サンプルを提供するためのサンプルキャリアは、研究者の裁量に任されています。ストロー又はカップを使用することができます。顔が閉塞または消費に起因して歪むことになるのでかかわらず、初期の顔の閉塞は避けられません。
ビデオキャプチャ4.個々の参加者プロセス
- ビデオカメラを確認する参加者が着席している間最適参加者の顔を撮影されています快適に(サンプル提示前)のブースでビデオキャプチャが表示されているコンピュータのモニターを見ることによって。コンピュータのモニタに録音ボタンをクリックして録音を開始します。
- 彼らの口蓋を清めるために水を飲むよう参加者に指示します。
- ベースラインまたは対照治療(味付けされていない水)から開始し、治療を一つずつ提供します。ビデオ内のサンプル処理を識別するためのサンプルの色コードに関連する各試料の上に配置一意着色インデックスカードによって各試料を識別する。
注:タッチスクリーンモニタ上でプログラムのガイダンスは、参加者に指示します。命令は、各処理サンプルの標準化された一連のステップを介して参加者を導きます。 - タッチスクリーンモニタを経由して、参加者に指示します:
- ビデオのサンプルを識別するための関連するカラーインデックスカードプレ消費をホールドアップ。
注:カラーカードは、研究者は、ビデオaで治療を識別することができる方法ですNDサンプル評価のための適切な時間枠(時間ゼロ)をマークします。 - 簡単にカードを保持した後、背面トレイにカードを配置します。
- 完全にサンプルを消費し、カメラの方を向いている間、モニター上のプログラムのガイダンスを通じて施行さ約30秒、待ってください。
注:30秒、制御サンプリング周期は、全サンプルの評価期間の適切な期間を含む( すなわち、インデックスカードを示す、サンプル(蓋を除去)、消費、及び感情的な捕捉を開きます)。 - タッチスクリーンモニタ上での快楽受容性スコアを入力します(1 = 3 =適度に嫌い、非常に、2 =非常に嫌い嫌い、4 = =少しのような6 =、適度のような7 =、8、5 =なども嫌いでもない、少し嫌い非常に、非常にのような9 =)などがあります。
- 次のサンプル・プロセスの前に飲料水で口をすすぎます。
- ビデオのサンプルを識別するための関連するカラーインデックスカードプレ消費をホールドアップ。
5.自動表情解析オプションの評価
注:多くの表情分析ソフトウェアプログラムが存在します。ソフトウェアコマンドや機能が異なる場合があります。メーカーのユーザーガイドラインとリファレンスマニュアル20に従うことが重要です。
- メディアフォーマットで記録を保存し、自動化された表情解析ソフトウェアに転送します。
- 自動化された顔の解析ソフトウェアを使用して、参加者のビデオを分析します。
- コンピュータのデスクトップ上のソフトウェアのアイコンをダブルクリックします。
- プログラムが開いたら、「...プロジェクト」、「ファイル」をクリックして「新規...」を選択し、選択
- ポップアップウィンドウで、プロジェクトに名前を付けてプロジェクトを保存します。
- ((+)記号を持つ人)」の参加者を追加」アイコンをクリックして、プロジェクトに参加者を追加します。複数の参加者は、この手順を繰り返すことによって追加することができます。
- 分析のために、それぞれの参加者に参加者のビデオを追加します。
- 画面の左側には、フィルムリールのwiのアイコンをクリックしますプラス(+)記号番目のビデオを分析するために追加します。
- 追加するビデオを閲覧するために興味のある参加者の下で「虫眼鏡」をクリックしてください。
- ソフトウェアの継続的なキャリブレーション分析設定でビデオのフレームごとに分析します。
- 各参加者のビデオのための「設定」タブで、ウィンドウの下部にある設定を調整するには、鉛筆のアイコンをクリックします。
- 一般的に「顔モデル」を設定します。 Yesに「分類を滑らかに」に設定します。すべてのフレームに「サンプルレート」を設定します。
- [はい]に番号を設定する「画像回転」「連続キャリブレーション」を設定します。 Noneに「選択したキャリブレーション」を設定します。
- プロジェクト設定を保存します。
- プロジェクトのビデオを分析するためのバッチ分析アイコン(同じ赤と黒の標的様記号)を押してください。
- 解析が完了すると、結果を保存します。
注:researcであれば、他のビデオ設定は、ソフトウェアに存在します彼女の好みは別の解析方法を保証します。 - 深刻な顔の閉塞や顔をマッピングすることができないことが指定されたポスト・消費・ウィンドウ( 図1)の間に解決しない場合は、動画の障害を考慮してください。モデルが失敗した場合に加えて、データはエクスポートされた出力ファイル( 図2)に「FIT_FAILED」または「FIND_FAILEDを」と言うだろう。ソフトウェアは、分類や参加者の感情を分析することはできませんので、これは失われたデータを表します。
注:AFEAは、各感情のために(完全に表される)0から1までのスケールで、中立幸せ、うんざり、悲しい、怒って、驚きと怖い(発現していない)に、顔の筋肉の動きを変換します。
- 各参加者のビデオのための「設定」タブで、ウィンドウの下部にある設定を調整するには、鉛筆のアイコンをクリックします。
- さらなる分析のためのログファイル(.txt)ファイルとしてAFEAデータ出力をエクスポートします。
- 分析が完了すると、プロジェクト全体をエクスポートします。
- 「ファイル」、「エクスポート」、「プロジェクトのエクスポート結果」をクリックしてください。
- ウィンドウが開いたら、輸出は寿どこの場所を選択しますldは保存され、フォルダにログファイル形式(.txt)で保存すること。
- 各参加者は、関連するデータを抽出するデータのスプレッドシート(.csvファイルまたは.xlsx形式)に命をログ変換します。
- オープンデータの表計算ソフトと「データ」タブを選択します。
- 「データ」タブで、「外部データの取り込み」グループで、「テキストから」をクリックします。
- 「アドレスバー」で、見つけ、インポートする参加者のテキストファイルをダブルクリックし、画面のウィザードの指示に従ってください。
- 関連するすべての参加者のファイルに対してエクスポート処理を続行します。
- 分析が完了すると、プロジェクト全体をエクスポートします。
データ分析のための6タイムスタンプ参加者のビデオ
- AFEAソフトウェアを使用して、手動で各参加者のビデオを確認し、各サンプルの後の消費時間ゼロを識別します。データスプレッドシートにタイムスタンプを記録します。ポスト消費はサンプルカップは、参加者のあごの下にあるときに定義されており、もはやOCれます顔をcludes。
注:タイムスタンプの配置は、評価のために重要です。カップは、もはや顔を閉塞ポイントは最適な推奨であり、タイムスタンプは、すべての参加者のために一貫している必要があります。 - 動画から関連データを抽出するための基準として(.csv)にタイムスタンプデータのスプレッドシートを保存します。
注:参加者のビデオはまた、「マーキングイベント」としてソフトウェアで内部的に符号化することができます。
7.時系列感情分析
注:コントロール(この例では、すなわち、味付けされていない水)であることを「ベースライン」を考えてみましょう。研究者は、調査の利益に依存して一対比較のために、「刺激することなく、ベースライン時、「異なる」ベースライン治療刺激」または作成する能力を持っています。この方法は、対になった統計的検定を用いて、「デフォルト」の状態のアカウントを提案しました。換言すれば、手順は、統計ブロックを使用して( すなわち 、ペアリングテスト)は、各参加者のデフォルトの外観を調整するため、参加者全体のばらつきが減少します。
- エクスポートしたファイル(.csvファイルまたは.xlsx形式)から関連データを抽出します。
- 研究評価(秒)に関連する時間枠を識別します。
- 手動で参加者のタイムスタンプ(時刻ゼロ)コンサルティングエクスポート参加者ファイルから(時間枠)それぞれのデータを抽出します。
- 新しいデータスプレッドシートに各参加者の治療データをコンパイル選択した時間枠のための感情あたり(参加者数、治療、オリジナルビデオ時間、および感情応答)(、幸せな中立、悲しい、怒って、驚いて、怖い、とうんざり)(秒)将来の分析( 図3)のために。
- すべての参加者に対して、このプロセスを繰り返します。
- (各参加処理ペアのタイムスタンプファイルから対応時間ゼロを特定し、直接比較のための真の時間「0」に映像時間を調整
図5)。
注: 図4に起因異なるに参加者データは、連続映像で収集され、したがって、各処理「時間ゼロ」(15.4:13.5と味付けされていないミルクビデオ時間ゼロは03である、すなわち、味付けされていない水のビデオ時間ゼロが02である)が異なります。処理「時間ゼロ」、動画時間が再調整とに開始するように再編成する必要が「0:00.0」または他の標準的な開始時間処理感情反応データの直接の時間比較のために。 - 各参加者、感情、および調整後の時点では、ペアリング処理( 例えば 、味付けされていない牛乳)と制御処理( 例えば、味付けされていない水)定量的な感情的なスコアを抽出します。言い換えれば、各感情に対する応答の参加者の治療と制御時系列( 図5)を合わせます。
- すべての参加者の情報(参加者、調整された時間、およびペアの治療をコンパイル( 例えば、味付けされていない水と味付けされていない牛乳)、各時点で( 図6)。
注:以下の手順は、手で対になったウィルコックスのテストのための手順を示しています。ほとんどのデータ分析ソフトウェアプログラムは、これを自動的に行います。統計学者と統計分析のプロセスを議論することをお勧めします。 - サンプルはリセットされ、新しい調整されたビデオ倍と整合したら、直接( 図7)参加者全体のシーケンシャル対になったノンパラメトリックウィルコクソン検定を用いて、各サンプルおよびコントロール(味付けされていない水)の感情的な結果との間で比較します。
注:サンプルの新しいタイムアライメントは、5秒後の消費の時間枠内で直接比較を可能にするであろう。対の観察は、治療中に存在しない場合、その時点の比較から参加者をドロップします。- データspreadsheを使用して制御し、各一対比較のために、それぞれのサンプルの間の差を計算しますら管理ソフトウェア。
注:比較は、ソフトウェアで感情的な分析のために選択したフレームレートに依存することになります。プロトコルは、5秒(選択した時間枠)のために毎秒30個々の比較を示しています。
注意:使用図7列とステップのためのリファレンスとして。- 違いを決定するための制御( 例えば 、味付けされていない水)の値からミルク( 例えば、味付けされていない牛乳)の値を減算します。 、「C2」は、制御感情的な値であり、「D2」が選択された治療の感情的な値である。 - 「治療差」というタイトルの新しい列のデータのスプレッドシートの管理ソフトウェアでは、「(D2)=(C2)」を入力します。すべての時点でこのプロセスを続行します。
- 治療差の絶対値を計算します。新しい列のデータのスプレッドシートの管理ソフトウェアでは、「E2」は、治療差である「= ABS(E2)」を入力します。このプロセスを続行全ての時点。
- 治療差の順位を決定します。新しい列のデータのスプレッドシートの管理ソフトウェアでは、入力し、「= RANK(G2、$ G $ 2:$ G $ 25、1) "ここで" G2は「絶対差異と「1」である「昇順」です。すべての時点でこのプロセスを続行します。
- スプレッドシート上の順位の符号付き順位を決定します。治療差が陰性であった場合は、負の記号(I列)を変更します。
- 正の合計を計算する(= SUMIF(I2:ランク値のI25):I25、 "> 0"、I2:I25)と負の和= SUMIF(I2:I25、 "<0"、I2。
- 検定統計量を決定します。検定統計量は、絶対値より低い合計です。
- 観測が臨界値を決定するために、特定の時間や選択されたアルファ値を含めるの番号を使用して、ウィルコクソン位署名テスト統計のための統計表を参照してください。
- 検定統計量は、臨界値Tを拒否するよりも小さい場合彼帰無仮説。それが大きい場合、帰無仮説を受け入れます。
- データspreadsheを使用して制御し、各一対比較のために、それぞれのサンプルの間の差を計算しますら管理ソフトウェア。
- グラフの帰無仮説が棄却された回数に関連付けられている治 療グラフ(味付けされていない水に比べすなわち、味付けされていないミルク)での結果。大きな感情( 図8)を有する治療を決定するために差の符号を使用してください。
- データスプレッドシート管理ソフトウェアでは、有意性の有無値を使用してグラフを作成します。
- 「挿入」タブをクリックします。
- 「ライン」を選択します
- 右のグラフボックスをクリックしてください。
- 「選択データ」をクリックし、画面に従って関連データ( 図8)を選択し、グラフするように求められます。
注:サンプルまたはコントロールが高く、有意であるところのグラフは感情的な結果を描写します。グラフ依存、感情はどのように参加者の感情を識別する能力を可能にする、その特定の時点で高くなっています二つのサンプル間に5秒の期間にわたって進化します。
注:統計学者との統計的サポートは、関連性の高いデータを抽出することをお勧めします。統計的符号化の開発が感情的な結果を解析する必要があります。
- データスプレッドシート管理ソフトウェアでは、有意性の有無値を使用してグラフを作成します。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
この方法は、AFEAデータ収集のための標準プロトコルを提案しています。提案したプロトコルステップに従っている場合は、使用できない感情的なデータ出力悪いデータ収集に起因する( 図1)( 図2:A;左の写真)が制限される場合があります。これは悪いデータ( 図1)であるとして、ログファイル形式(.txt)は、主に「FIND_FAILED "" FIT_FAILED」とが含まれている場合、時系列分析を利用することができません。さらに、この方法は、感情的なプロファイルを確立するための時間枠で感情的なデータ出力の2つの治療の間の直接的な統計的比較のためのプロトコルが含まれています。時系列分析は、経時的感情的傾向を提供することができ、快楽受容結果に付加価値の次元を提供することができます。また、時系列分析は、食経験の中に貴重である、時間をかけて感情的なレベルの変化を示すことができます。
図9)、「やや好きだった」と評価されました。ヘドニック結果は、ミルクで味付けされていない牛乳、味付けされていない水とバニラエキスの風味の間の任意の良否の違いがありませんでしたことを推測します。 、驚いた(p <0.025; 0から2.0秒)、あまり悲しいた(p <0.025; 2.0〜2.5秒)未満の中性た(p;しかし、AFEA時系列分析は、味付けされていない牛乳はあまりうんざり(0秒のp <0.025)を生成示しました<0.025;〜味付けされていない水をやったよりも3.0から3.5秒)の応答( 図10)。また、乳中のバニラ抽出物の味はわずか5.0秒(P <0.025)と少ない悲しい前に、より多くの幸せな式を導入した(p <0.025; 2.0から3.0と5.0秒)味付けされていない水よりも( 図11)。臭気などのバニラは、 "幸福"、 "落ち着いた"、 "安心"、 "リラックス"の用語に関連した、とされています#34;幸福」、「驚き」23と「心地よい」24ミルク中の塩辛い味がした(p <0.05)より低いが、ミルクに(適度に嫌わ)ヘドニック受容性スコア( 図9)と塩辛い味を意味していたより多くの嫌悪感を生成味付けされていない水よりも(P <0.025)以降(3.0〜5.0秒)( 図12)。強い塩味は嫌悪感と関連し、25、26を驚かせてきた。しかし、いくつかの研究では、塩辛い味は、27の顔の応答7を誘発しないと述べました-29。
エクスポートされた出力ファイル内の生の感情的なデータ応答ポイントの損失をもたらすAFEAソフトウェアと参加者の非互換性へのサブ最適なデータ・キャプチャの図1の例[FIT_FAILED。 FIND_FAILED]。ビデオの障害は深刻な顔の閉塞や顔persiをマッピングすることができないことを発生します指定された後の消費のウィンドウの間STS。 この図の拡大版をご覧になるにはこちらをクリックしてください。
参加者のソフトウェア・モデリングへのサブ最適なデータ・キャプチャの図2の例。図は、感情的な反応(A)を決定するために起因する顔マッピングの参加者のソフトウェア・モデリングの非互換性や故障にサブ最適なデータ・キャプチャを提示します。成功したフィット感のモデリングと参加者の感情的反応(B)をキャプチャする機能の例。 この図の拡大版をご覧になるにはこちらをクリックしてください。
6fig3.jpg "/>
新しいデータのスプレッドシートにまとめ抽出参加者データの図3の例。参加者データ(参加者数、治療、オリジナルビデオ時間、および感情応答が)感情(幸せな、ニュートラルな、悲しい、怒って、驚いて、怖がって、とうんざりごとに識別されます)選択した時間枠(秒)。このスプレッドシートは、その後の分析のために利用されている。 この図の拡大版をご覧になるにはこちらをクリックしてください。
図その後の分析のためにコンパイルされた抽出された参加者データの4例。抽出された参加者データ(A1とB1)にコンパイルされる(A2とB2)、グラフ化(A3とB3)直接比較するためのビジュアルなどと整列(A4およびB4)。解像度pectiveゼロ時間制御用(A4:びっくり味付けされていない水 )と治療(B4:驚い味付けされていないミルクは )驚い感情的な結果を比較するために表示されています。この例では表し、各参加者の治療のペアのためのタイムスタンプファイルから対応時間ゼロを識別します。 この図の拡大版をご覧になるにはこちらをクリックしてください。
調整された時間枠で抽出された参加者データの図5の例抽出参加者データが真の「ゼロ時間」(A1とB1)で調整された時間枠を提示される時間調整は、コントロール(A間の直接比較を可能にします:。。驚きました味付けされていない水 )と治療(B2:驚いUnfla voredミルク)(A2とB2)。この例では表し、各参加者の治療のペアのためのタイムスタンプファイルから対応する真の「ゼロ時間」(調整)を識別します。 この図の拡大版をご覧になるにはこちらをクリックしてください。
すべての参加者のデータをコンパイルするためのプロセスの図6.例。参加者、調整された時間、およびペアの治療( 例えば、味付けされていない水と味付けされていない牛乳)各時点では、統計分析のために準備するためにコンパイルされています。 ご覧になるにはこちらをクリックしてください。この図の拡大版。
エス/ ftp_upload / 54046 / 54046fig7.jpg "/>
図7.データスプレッドシートコントロール(味付けされていない水)を比較例と特定の時点で参加者全体のウィルコクソン検定を用いた治療(味付けされていないミルク)。図は、それぞれのサンプルおよびコントロール(味付けされていない水の感情的な結果との間の直接的な比較を表します)参加者全体のシーケンシャル対になったノンパラメトリックウィルコクソン検定を使用して。 この図の拡大版をご覧になるにはこちらをクリックしてください。
図(P <0.025)場合、関連処理グラフ(味付けされていない水に比べすなわち、味付けされていない牛乳)の結果をグラフ化するデータ、スプレッドシートの8例。participa全体のシーケンシャル対になったノンパラメトリックウィルコクソン試験の結果NTSは、帰無仮説が棄却された回数ごとにグラフ化されている。 この図の拡大版をご覧になるにはこちらをクリックしてください。
図9は、 乳飲料ソリューションでミルクと塩辛い味に受け入れ可能味付けされていない水の(快楽)スコア、味付けされていない牛乳、バニラエキスの風味を意味している。受容性が9点快楽規模に基づいていた(1 =非常に嫌い、5 =どちら様も極めて様嫌い、9 =;平均+/- SD)1。異なる上付き文字は、有意に(p <0.05)を好みが異なると処理手段。ミルクで味付けされていない牛乳、味付けされていない水とバニラエキスの風味は、平均受容性スコアのた(p> 0.05)差はなかったと「やや好きだった」と評価されました。牛乳中の塩辛い味が低い(P <0.0を持っていました5)受容性スコア(適度に嫌わ)を意味している。 この図の拡大版をご覧になるにはこちらをクリックしてください。
味付けされていない牛乳と味付けされていない水を比較し5.0秒間で自動化された表情分析データに分類された感情の図10.時系列グラフ。味付けされていない牛乳と味付けされていない水(ベースライン)との間に、順次対になったノンパラメトリックWilcoxonのテストに基づいて、結果は各処理グラフ上にプロットされています治療の中央値は高く、各感情のために大きな意義た(p <0.025)である場合。 <(0.025ラインの欠如は、特定の時点P)には差がないことを示しながら、中央値が高いほど、特定の時点で(0.025ラインの存在は、有意差p)を>示しています。不在味付けされていない牛乳の行の(A)は 5.0秒間で味付けされていない水(P <0.025)と比較して、何の感情的な分類を明らかにしません。味付けされていない水(B)では、味付けされていない牛乳に比べて感情的な結果が0秒、びっくり(オレンジライン)にうんざり(深紅のラインを)明らかにする0との間で発生する-赤(秒、悲しい(緑線)が約2.5秒を発生する1.5、および中性(P <0.025)3.5秒-ライン)が約3を発生する。 この図の拡大版をご覧になるにはこちらをクリックしてください。
5.0秒以上の自動化された表情解析データに基づいて分類された感情の図11.時系列グラフ牛乳と味付けされていない水(ベースライン)でバニラエキスの風味を比較する。間のシーケンシャル対になったノンパラメトリックWilcoxonのテストに基づいて、牛乳と味付けされていない水でバニラエッセンス風味治療の中央値が高く、各感情のために大きな意義た(p <0.025)である場合、結果は各処理グラフ上にプロットされています。 <(0.025ラインの欠如は、特定の時点P)には差がないことを示しながら、中央値が高いほど、特定の時点で(0.025ラインの存在は、有意差p)を>示しています。 2.5と5秒(グリーンライン)(P <0.025) - 。牛乳(A)中のバニラエキスの味だけで味付けされていない水(B)が約2より悲しい表示しながら5秒(青線)の前に幸せを示して表示するには、こちらをクリックしてください。この図の拡大版。
自動化された顔のEXPRESに基づいて分類された感情の図12.時系列グラフ牛乳と味付けされていない水に塩辛い味を比較し5.0秒を超えるシオン解析データ。治療の中央値が高く、大きいのであれば牛乳と味付けされていない水(ベースライン)で塩辛い味間のシーケンシャル対になったノンパラメトリックWilcoxonのテストに基づいて、結果は各処理グラフ上にプロットされています各感情の有意(P <0.025)。 <(0.025ラインの欠如は、特定の時点P)には差がないことを示しながら、中央値が高いほど、特定の時点で(0.025ラインの存在は、有意差p)を>示しています。 5秒(赤線)に(p <0.025 -味付けされていない水(B)は最初(深紅色の線)で嫌悪感と2からより中立を持っていながら、5秒(深紅色の線) -ミルク中の塩辛い味(A)は、3からかなりの嫌悪感を持って)。 この図の拡大版をご覧になるにはこちらをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
食品や飲料に関連する文献でAFEAアプリケーションは1-11非常に限られています。食品への応用は、方法論とデータ解釈を確立するための機会を作成し、新しく追加されました。 Arnadeは、(2013年)7は、チョコレートミルクと曲線分析と分散分析下の面積を用いた白色ミルクに個々の感情的な反応の間で高い個体差を発見しました。悲しいとうんざりするが、短い時間応答7を持っていながら、しかし、参加者の変動で、参加者は長く幸せな応答を生成しました。基本味の高及び低濃度を使用して別の研究では、Arnade(2013)7は 、基本的な味強度(高および低強度)の2つのレベルの間の基本的な味の中で感情的な反応の違いだけでなく、は、のように有意ではなかったことがわかりました予想通り、それによって現在のAFEAの方法論とデータ分析の精度を問います。食品および飲料の官能評価は複雑で、DYNAですマイク応答処理30。時間的変化は、口腔処理を通じて、潜在的に時間30にわたって刺激の受容性に影響を与えるこのように嚥下発生する可能性があります。このような理由から、それは有益な全体食経験を通じて評価の応答を測定することができます。特定の経口処理時間は、31(舌、咀嚼、嚥下、 などとの最初の接触を)提案されているが、どれも標準化されていないと時間は、プロジェクトや研究者の裁量30に大きく依存しています。
提案された感情的な時系列分析は、感情の変化と制御(味付けされていない水)と各処理間の統計的差異を検出することができました。また、受容性に関連した感情的なプロファイルは、食品および飲料に関連する行動を予想するのを助けることができます。結果は10フィギュア (識別可能な時系列トレンドは牛乳で味に関連AFEAで存在することを示しています>、11、および12)。特徴感情を統合することによって、人口全体で食品の受容を微分で時系列分析を支援( 図10、 図11、 図12)と同様にサポート快楽受容性の傾向( 図9)。リーチら 8は、時系列分析(5秒)を使用して甘味料と水ベースラインの違いを観察し、また、時系列グラフの利用はデータと結果のより良好な解釈のために提供することを見出しました。また、感情の変化が経時的に観察することができ、感情的応答処理の違いは、異なる時点または間隔で決定することができます。例えば、リーチら 8は、アプローチの感情(怒り幸せと驚き)は、人工甘味料、水の比較との間で観察されたが、5秒の観察窓の上に異なる時間に観察されたことを観察しました。しかしながら、リーチら 8は、それが難しい彼らのグラフィカルな解釈とプレゼンテーションを使用して、コントロール(水)と治療(無糖茶)との間に感情的な違いを理解すること、表現の方向性を確立しませんでした。我々の研究で示さ改変及び改良時系列解析手法は、統計的な差の方向性を可能にします。方向性と結果のプロットは、統計学的に関連する感情的な変更は、選択した時間枠にわたって発生した場所の研究者が可視化することができます。
ビデオ分析の失敗を低減することが有効なデータを得ると、有効時間と人的資源を使用するために不可欠です。プロトコルにおける重要なステップとトラブルシューティングの手順は、参加者の感覚環境( などの照明、ビデオカメラアングル、椅子の高さ、徹底した参加者の指導命令を、)を最適化が含まれます。彼らはソフトウェア株式会社に陥る場合も、参加者をスクリーニングし、除外すべきですOMPATIBILITYカテゴリ( すなわち 、太い枠メガネ、多額のひげを生やした顔や肌の色)( 図2)。これらの要因はAFEAフィットモデリング、感情分類、及びデータ出力に影響を与えます。参加者のデータ出力のかなりの部分が「FIT_FAILED」および「FIND_FAILED」で構成されている場合、データは、時系列分析( 図1)に含めるために再評価されるべきです。これは悪いデータ( 図1)であるとしてデータ出力ログファイルは主に「FIND_FAILED "" FIT_FAILED」とが含まれている場合、時系列分析を利用することができません。照明設定に面上にシャドーイングすることはひどく悪いビデオコレクションをもたらす、ビデオキャプチャの品質を阻害することができます。光強度や色を20として関係ありませんしながら、強烈なシャドウイングを回避するために、拡散正面の照明が理想的です。それが顔20に影を促進することができるように強烈なオーバーヘッド照明が低減されるべきです。背後にある暗い背景参加者は20を推奨します。拡散昼光照明20を持っているウィンドウの前面にセットアップを配置するAFEAソフトウェアメーカーから提案されています。また、コンピュータのモニタを使用する場合、二つの光は、照明および陰影削減20に対するユーザの顔の両側に配置されてもよいです。さらに、プロの写真ライト20を点灯させる望ましくない環境に対抗するために使用することができます。最終的には、捕獲のための照明を制御するために、研究者、個々のプロトコル/方法論、および環境の裁量に任されています。購入し、インストールする前に、ソフトウェアプロバイダとデータ・キャプチャ環境やツールを議論することをお勧めします。また、椅子の高さとカメラアングルは、各参加者のために個別に調整することが重要です。参加者は快適であるが、カメラが真顔にある高さでなければなりません。顔のカメラアングルを減少させる試みがAFを最適化するために推奨されますEAのビデオキャプチャ。最後に、サンプリング前に参加者に口頭で指示を与えることが不可欠です。ビデオキャプチャ時の参加者の動作が原因で顔の閉塞、動き、及びカメラ回避にデータ収集を制限することができます。
研究のために必要な参加者のサンプルサイズのために、著者らは、10〜50の参加者の範囲をお勧めします。少数ほとんど統計的検出力を提供しているが、少なくとも2つの参加者は、時系列分析のために一般的に必要とされます。参加者の変動性が高く、この研究の初期段階でサンプルサイズで提供する一切のガイダンスはありません。サンプルサイズは、風味、味強度に応じて変化し、治療受容性を期待します。小さい味の違いを有する試料は、より多くの参加者が必要になります。 30第二の制御のサンプリング周期は、全サンプルの評価期間( すなわち 、)、インデックスカードを示すサンプルを開く(蓋を除去CONSUMPに十分な期間を包含しますション、および感情的なキャプチャ)。全体を30秒では、データ分析に使用されていません。この指定された30秒の捕捉時間の利点は、研究者がデータ解析に使用される適切な評価時間を決定することができるということです。 30秒の時間枠は、コーディングやビデオをタイムスタンプしながら、ビデオ・サンプル中に関心の時間枠を選択するのを助けることができます。最終的に、時間ウィンドウは、研究者の裁量に任されています。この例では、5秒のサンプリング窓ポスト消費を使用していました。また、本発明の方法論は、サンプルカップは、もはや顔(顎でカップ)を閉塞する時間ゼロを定義します。消費と短いと変化する感情に起因する試料カップ顔の閉塞までの時間を少なくすることが非常に重要です。サンプルカップ顔閉塞試料は舌と接触する最初の時間は、信頼できないデータ( 図1参照)です。したがって、カップはもはや顔を閉塞点が最適recommendatioですn個。タイムスタンプは、すべての参加者のために一貫している必要があります。カラーカードは、研究者がビデオで治療を特定し、サンプル評価のための適切な時間枠(時間ゼロ)をマークするのに便利な方法です。カラーカードは、治療がランダムな順序であり、継続的なビデオでサンプル識別の余分な検証としての役割を果たす場合に特に便利です。
参加者は参加者の顔の指示またはやむを得ないシャドウイング顔にフィットモデルの失敗( 図2)が発生することがありに従わないかもしれないとして、この技術の限界が存在します。しかし、提案した重要なステップは、これらの干渉を軽減し、削減する方法を提供しています。また、時系列分析は、主に「FIT_FAILED」と「FIND_FAILED」( 図1)を含むファイルでエクスポートされたログファイルを読むことはありません。これらのファイルは、救済することができず、時系列分析に含めることができなくなります。食品やbeveraのも、消費GESはまだ感情の分類を歪ませるように顔の構造を変更することができます。ハードまたは噛みごたえのある食品が豊富な顎運動を必要とします。飲用ストローと関連した吸引の使用は、また顔の閉塞(わら)を引き起こすと顔(吸引)を歪めます。この観察は、我々の研究室の研究からの予備的データに基づいています。ソフトウェア顔モデルは、咀嚼(または吸引)と感情的な分類に関連付けられているモータ式の間の違いを見分けることはできません。食品・飲料のサンプルでは、顔の閉塞のための機会が閲覧ビデオや写真のそれよりも高いです。参加者は、このようにソフトウェアモデルを中断し、潜在的に( 図1を参照してください)貴重な感情的な情報を削減顔にサンプルを持参し、顔からコンテナを削除する必要があります。前述したように、感情が迅速かつ短期間に起こります。感情を捕獲する目的で、顔の閉塞を低減することが重要です。提案methodol術は、時間全体で感情的な期間で感情的なパターンの変化や変化を見つけるために、第二の30分の1での処理の比較を行います。提案手法では、感情的な長寿のパターンが重要です。残念ながら、感情的な分類の問題が発生する可能性があります。最も顕著なのは幸せと嫌悪感6、9、32、33、34を分類する問題がある。多くの場合、これは、「社会への嫌悪感や驚き感をマスキング参加者が原因である可能性があり、その6、32、33、34を笑顔によるものです表示ルール」32。また、AFEAソフトウェアは7感情的なカテゴリ(中性幸せ、悲しい、怖い、驚き、怒っているとうんざり)に制限されています。食品や飲料への感情的な反応は、普遍的な感情や分類の現在のAFEA分類は、食品や飲料の刺激に応答して異なる可能性がありより複雑です。 FACSを使用した手動コーディングは、基本味の応答をgustofacialとolfactofacialするために適用されていると臭気の品揃えとのAU 32に関してにおける治療の差を検出するのに十分な感度であるように見えました。 FACSは退屈と非常に時間がかかり、しかし、AUの有無の時間的なアプリケーションは、AFEAが正しく分類しないか、または感情的な結果は予想外であれば複雑な応答を支援するために有用であり得ます。顔の分類は同時に、重要な表現で発生するための時系列データができますが、注意が原因で感情的な複雑さのために単一の感情に結果を変換して使用する必要があります。
提案された方法およびデータ解析技術は、他の飲料と柔らかい食品に適用することができます。 AFEAソフトウェアは、風味と味付けされていないサンプルに感情を識別することができました。提案された方法論と時間分析は、それによって暗黙的な応答を特徴付ける感情的な反応や食品に関連する集団の行動に新たな進歩を提供することに助けることができます。目の将来の応用技術は他の飲料カテゴリや柔らかい食品に拡大することです。我々は、感情反応及びデータ分析方法のためにビデオキャプチャを達成する方法を実証しました。私たちは、感情的なAFEAキャプチャと感情的な時系列分析の両方のための標準的なアプローチを作成することを目指しています。メソッドのアプローチは、私たちの研究の成功を示しています。私たちは、食品及び飲料と選択肢や行動との関係に感情的な反応を評価するために、このアプローチを拡張し、適用したいと考えています。
Subscription Required. Please recommend JoVE to your librarian.
Materials
Name | Company | Catalog Number | Comments |
2% Reduced Fat Milk | Kroger Brand, Cincinnati, OH or DZA Brands, LLC, Salisbury, NC | na | for solutions |
Drinking Water | Kroger Brand, Cincinnati, OH | na | for solutions |
Imitation Clear Vanilla Flavor | Kroger Brand, Cincinnati, OH | na | for solutions |
Iodized Salt | Kroger Brand, Cincinnati, OH | na | for solutions |
FaceReader 6 | Noldus Information Technology, Wageningen, The Netherlands | na | For Facial Analysis |
Sensory Information Management System (SIMS) 2000 | Sensory Computer Systems, Berkeley Heights, NJ | Version 6 | For Sensory Data Capture |
Rhapsody | Acuity Brands Lighting, Inc., Conyers, GA | For Environment Illumination | |
R Version | R Core Team 2015 | 3.1.1 | For Statistical Analysis |
Microsoft Office | Microsoft | na | For Statistical Analysis |
JMP | Statistical Analysis Software (SAS) Version 9.2, SAS Institute, Cary, NC | na | For Statistical Analysis |
Media Recorder 2.5 | Noldus Information Technology, Wageningen, The Netherlands | na | For capturing participants sensory evaluation |
Axis M1054 Camera | Axis Communications, Lund, Sweden | na | |
Beverage | na | Beverage or soft food for evaluation |
References
- De Wijk, R. A., Kooijman, V., Verhoeven, R. H. G., Holthuysen, N. T. E., De Graaf, C. Autonomic nervous system responses on and facial expressions to the sight, smell, and taste of liked and disliked foods. Food Qual Prefer. 26 (2), 196-203 (2012).
- De Wijk, R. A., He, W., Mensink, M. G. J., Verhoeven, R. H. G., De Graaf, C. ANS responses and facial expression differentiate between the taste of commercial breakfast drinks. PLoS ONE. 9 (4), 1-9 (2014).
- He, W., Boesveldt, S., De Graaf, C., De Wijk, R. A. Behavioural and physiological responses to two food odours. Appetite. 59 (2), 628 (2012).
- He, W., Boesveldt, S., De Graaf, C., De Wijk, R. A. Dynamics of autonomic nervous system responses and facial expressions to odors. Front Psychol. 5 (110), 1-8 (2014).
- Danner, L., Sidorkina, L., Joechl, M., Duerrschmid, K. Make a face! Implicit and explicit measurement of facial expressions elicited by orange juices using face reading technology. Food Qual Prefer. 32 (2014), 167-172 (2013).
- Danner, L., Haindl, S., Joechl, M., Duerrschmid, K. Facial expression and autonomous nervous system responses elicited by tasting different juices. Food Res Int. 64 (2014), 81-90 (2014).
- Arnade, E. A. Measuring consumer emotional response to tastes and foods through facial expression analysis [thesis]. , Virginia Tech. Blacksburg. 1-187 (2013).
- Leitch, K. A., Duncan, S. E., O'Keefe, S., Rudd, R., Gallagher, D. L. Characterizing consumer emotional response to sweeteners using an emotion terminology questionnaire and facial expression analysis. Food Res Int. 76, 283-292 (2015).
- Crist, C. A., et al. Application of emotional facial analysis technology to consumer acceptability using a basic tastes model. Technical Abstracts and Proceedings of the 2014 Institute of Food Technologists Annual Meeting, 2014 Jun 21 - 24, New Orleans, LA, , (2014).
- Garcia-Burgos, D., Zamora, M. C. Facial affective reactions to bitter-tasting foods and body mass index in adults. Appetite. 71 (2013), 178-186 (2013).
- Garcia-Burgos, D., Zamora, M. C. Exploring the hedonic and incentive properties in preferences for bitter foods via self-reports, facial expressions and instrumental behaviours. Food Qual Prefer. 39 (2015), 73-81 (2015).
- Lewinski, P., Fransen, M. L., Tan, E. S. H. Predicting advertising effectiveness by facial expressions in response to amusing persuasive stimuli. J. Neurosci. Psychol. Econ. 7 (1), 1-14 (2014).
- Ekman, P., Friesen, W. V. Facial action coding system: A technique for the measurement of facial movement. , Consulting Psychologists Press. Palo Alto, California. (1978).
- Viola, P., Jones, M. Rapid object detection using a boosted cascade of simple features. Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern. 1, 511-518 (2001).
- Sung, K. K., Poggio, T. Example-based learning for view-based human face detection. IEEE Trans. Pattern Anal. Mach. Intell. 20 (1), 39-51 (1998).
- FaceReader 5™ Technical Specifications. , Noldus Information Technology. Wageningen, The Netherlands. Available from: http://www.webshop.noldus.com/media/techspec/facereader _techspec.pdf (2014).
- Cootes, T., Taylor, C. Statistical models of appearance for computer vision: Technical report. , University of Manchester, Wolfson Image Analysis Unit, Imaging Science and Biomedical Engineering. (2000).
- Bishop, C. M. Neural networks for pattern recognition. , Oxford University Press. New York. (1995).
- Lewinski, P., den Uyl, T. M., Butler, C. Automated facial coding: validation of basic emotions and FACS AUs in FaceReader. J. Neurosci. Psychol. Econ. 7 (4), 227-236 (2014).
- Noldus Information Technology. FaceReader Reference Manual Version 6. , Wageningen, The Netherlands. (2014).
- Alves, N. T., Fukusima, S. S., Aznar-Casanova, J. A.
Models of brain asymmetry in emotional processing. Psychol Neurosci. 1 (1), 63-66 (2008). - Costello, M., Clark, S. Preparation of samples for instructing students and staff in dairy products evaluation (Appendix F). The sensory evaluation of dairy foods. Clark, S., Costello, M., Drake, M., Bodyfelt, F. , 2nd, Springer. New York. 551-560 (2009).
- Porcherot, C., et al. How do you feel when you smell this? Optimization of a verbal measurement of odor-elicited emotions. Food Qual Prefer. 21, 938-947 (2010).
- Warrenburg, S. Effects of fragrance on emotions: Moods and physiology. Chem. Senses. 30, i248-i249 (2005).
- Bredie, W. L. P., Tan, H. S. G., Wendin, K. A comparative study on facially expressed emotions in response to basic tastes. Chem. Percept. 7 (1), 1-9 (2014).
- Wendin, K., Allesen-Holm, B. H., Bredie, L. P. Do facial reactions add new dimensions to measuring sensory responses to basic tastes? Food Qual Prefer. 22, 346-354 (2011).
- Rosenstein, D., Oster, H. Differential facial responses to four basic tastes in newborns. Child Dev. 59 (6), 1555-1568 (1988).
- Rosenstein, D., Oster, H. Differential facial responses to four basic tastes in newborns. What the face reveals: Basic and applied studies of spontaneous expression using the facial action coding system (FACS). P, E. kman, E, R. osenberg , Oxford University Press, Inc. New York. 302-327 (1997).
- Rozin, P., Fallon, A. E.
A perspective on disgust. Psychol. Rev. 94 (1), 23-41 (1987). - Delarue, J., Blumenthal, D.
Temporal aspects of consumer preferences. Curr. Opin. Food Sci. 3, 41-46 (2015). - Sudre, J., Pineau, N., Loret, C., Marin, N. Comparison of methods to monitor liking of food during consumption. Food Qual Prefer. 24 (1), 179-189 (2012).
- Weiland, R., Ellgring, H., Macht, M. Gustofacial and olfactofacial responses in human adults. Chem. Senses. 35 (9), 841-853 (2010).
- Ekman, P. Universal and cultural differences in facial expressions of emotion. Nebraska symposium on motivation. Cole, J. , University of Nebraska Press. Lincoln (NE). 207-283 (1971).
- Griemel, E., Macht, M., Krumhuber, E., Ellgring, H. Facial and affective reactions to tastes and their modulation by sadness and joy. Physiol Behav. 89 (2), 261-269 (2006).