Agenda
À la une

Soutenance de thèse de Margot Brard

AGROCAMPUS OUEST, campus de Rennes - Bât. 24, salle 4

Méthodologies statistiques pour le recueil et l’analyse de données de caractérisation de grands ensembles de stimuli - Application à la caractérisation sensorielle de produits & à la caractérisation de gestes culinaires

Thèse dirigée par David Causeur, directeur de thèse (UMR IRMAR)

Résumé

Dans le secteur agroalimentaire, la caractérisation des gestes culinaires est considérée de plus en plus comme un levier d’innovation. En observant et en analysant la manière avec laquelle leurs produits sont appréhendés en cuisine par les usagers (consommateurs ou professionnels), les industriels peuvent en effet déceler des pistes d’amélioration ou des idées de nouveaux produits.
Dans ce travail de recherche, nous proposons de nouvelles méthodes dédiées à la caractérisation des gestes culinaires. Leur caractère innovant repose sur le fait qu’elles relèvent d’une approche quantitative, et non d’une approche qualitative comme cela est usuellement le cas. Elles s’inspirent en partie de deux méthodes de caractérisation utilisées en analyse sensorielle : le tri libre et la Q-méthodologie binaire.
Nous voyons comment des développements méthodologiques apportés à ces dernières permettent de caractériser des grands ensembles de stimuli. Ces développements sont liés à la fois à la procédure de recueil des données et à la procédure d’analyse statistique des données.
En particulier, nous proposons plusieurs procédures statistiques permettant d’aborder des problématiques variées : l’analyse d’un ensemble de partitions contenant des données manquantes, la classification non supervisée de profils d’évaluations binaires basée sur la notion d’accord inter-évaluateurs, etc.
Nous voyons ensuite que les deux méthodes de caractérisation quantitatives ‘améliorées’ sont applicables à des gestes culinaires.

Mots clés : méthodologies statistiques, grands ensembles de stimuli, caractérisation sensorielle, caractérisation de gestes culinaires