Présentation de ce cours en ligne de sensométrie
L'évaluation sensorielle de produits est un élément stratégique du développement de nouveaux produits alimentaires, mais également de bien d'autres domaines (cosmétique, sport, automobile, etc.). Elle vise à caractériser les produits à la fois du point de vue de leurs propriétés organoleptiques et du point de vue des préférences qu'ils suscitent auprès des consommateurs. De ce fait, elle est à la croisée des chemins entre la R&D et le marketing.
Les évaluations sensorielles nécessitent toujours de volumineux recueils de données et la statistique est l'outil majeur d'analyse de telles données. Conçu en vue des applications, ce cours donne une large place aux exemples et à la mise en œuvre logicielle par SensoMineR.
Objectif
L'objectif de ce "MOOC" est de rendre les participants autonomes dans la mise en place d'une analyse senorielle, du recueil des données jusqu'au traitement des données recueillies, permettant ainsi de caractériser des produits, d'évaluer la performance d'un jury sensoriel, et de relier les préférences des consommateurs à la description sensorielle grâce à la mise en place de cartographie des préférences.Conseils avant de commencer
- Visionnez les films en haute définition et en plein écran et imprimez le diaporama pour pouvoir prendre des notes.
- Le "MOOC" est organisé en séquences, chaque séquence correspondant à une problématique sensorielle. La séquence finale est une séquence d'évaluation.
Organisation d'une séquence de cours
Dans chaque séquence vous trouverez les rubriques suivantes :- un film qui présente la méthodologie statistique et l'illustre à partir d'un exemple
- un quiz qui propose une série de questions simples vous permettant de vérifier que le cours est compris
- une rubrique mise en oeuvre avec SensoMineR pour reproduire les analyses effectuées dans le cours
- une étude de cas vous permet de mettre en oeuvre la méthodologie sur un nouveau jeu de données
A qui s'adresse ce MOOC ?
Ce MOOC a été conçu pour ceux qui, sans être statisticiens, sont amenés.Pré-requis
Des connaissances de base en statistique sont nécessaires : analyse de variance avec interaction (partie 2 et 3), ACP (partie 4), régression (partie 5) et ACM (partie 6).Enfin, une initiation au langage R est suffisante pour la mise en œuvre concrète des méthodes.