SciELO - Scientific Electronic Library Online

 
vol.18 issue3CAROTENOIDS OF YELLOW PEPPER (CAPSICUM ANNUUM, L.). CHARACTERIZATION AND VERIFICATION OF CHANGES AFTER COOKINGEMULSIFYING PROPERTIES AND SOLUBILITY OF CASEIN AND IT’S TRYPTIC HYDROLYSATES: 1. EFFECTS OF PH AND HYDROLYSIS TIME author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

Share


Food Science and Technology

Print version ISSN 0101-2061On-line version ISSN 1678-457X

Ciênc. Tecnol. Aliment. vol. 18 n. 3 Campinas Aug./Oct. 1998

http://dx.doi.org/10.1590/S0101-20611998000300007 

MÉTODOS ESTATÍSTICO-SENSORIAIS PARA "OTIMIZAR" ABSORÇÃO DA ÁGUA EM SOJA DURANTE A MACERAÇÃO1

 

E.B. GONÇALVES2,*, L.C. CABRAL2, F.A. OLIVEIRA2

 

 


RESUMO

Soja é comumente macerada em água em etapas iniciais de processos produtivos para obtenção de seus produtos. Para tornar mais econômicos estes processos de produção, torna-se necessário otimizar o tempo de absorção de água (tempo mínimo para se atingir absorção máxima), no entanto, esta otimização nem sempre é possível pelos métodos tradicionais. Assim, este trabalho determinou os tempos "ótimos" (em horas) de absorção através de métodos estatístico-sensoriais, em que estão embutidas noções de erro e sensoriais. Uma equipe de julgadores e, paralelamente, um especialista em análise de dados experimentais, determinaram pontos "ótimos" em curvas de absorção através de experimentos de visualização. Vinte cultivares de soja cultivadas no Brasil foram avaliadas pelo especialista e pela equipe em três formas de apresentação visual de dados. Consistência de 80,43% foi obtida entre as avaliações procedentes dos dois gráficos de conjuntos de pontos nos julgamentos da equipe, e de 83,22 % nestes mesmos gráficos nos julgamentos do especialista. A consistência entre julgamentos da equipe e do especialista nestes dois tipos de gráficos foi de 77,01 % e 83,22%. Não houve diferença significativa de eficiência entre julgamentos do especialista e da equipe em termos de erros quadráticos relativos. Houve divergência no julgamento da cultivar MSBR-21 (Buriti); o especialista julgou que foi atingida absorção no período observado de 14 horas, enquanto que a equipe discordou. Segundo a equipe, as cultivares OCEPAR-4, Davis e IAC-12 apresentaram os menores tempos de absorção para atingir saturação (de aproximadamente 7,5 a 9,5h), enquanto que FT-2, MSBR-21 (Buriti) e Bragg apresentaram os maiores (>14h), ou seja, não saturaram.

Palavras-chave: análise sensorial, gráficos, absorção de água, soja, otimização, maceração


SUMMARY

STATISTICAL SENSORY METHODS TO "OPTIMIZE" WATER ABSORPTION IN SOYBEANS DURING SOAKING. Soaking is performed in soybeans to promote water absorption for late processing. This processing needs to determine the minimum time to obtain the maximum absorption to turn economically acceptable the production process, but the traditional methods can not be used to establish this "optimum", then statistical sensory methods were used. These methods have implicit two concepts : the sensory judgement and the experimental error concept. Twenty cultivars of soybean grown in Brazil were evaluated by a panel and an expert in experimentation to visually establish "optimal points" in three kinds of graphics. The consistency of the panel between the judgements of joints of full points and joints of quadratic points of was 80.43% (p < 0.05), and the consistency of the expert in the same graphics was 83.22 %. The consistency between the panel and the expert for these graphics were 77.01 % and 83.22% (p < 0.05). There was no significant difference in the efficiency, expressed in relative quadratic errors, of the judgements between the panel and the expert. The expert judged that cultivar MSBR-21 (Buriti) saturated, the panel disagreed. The OCEPAR-4, Davis and IAC-12 cultivars showed the lowest minimum time to reach saturation (from 7.5 to 9.5 hours) and MSBR-21 (Buriti) and Bragg showed the greatest (>14 hours).

Keywords: sensory evaluation, graphics, water absorption, soybean, optimization, soaking 


 

 

1 — INTRODUÇÃO

Soja é um alimento bastante versátil, cujos produtos têm diversas aplicações. Os grãos de soja são comumente macerados em água objetivando a obtenção de diversos produtos, ocorrendo absorção de água pelos grãos. A absorção de água, durante a maceração, envolve uma série de aspectos como características anatômicas, espessura da casca, matriz amídica do cotilédone, temperatura, formas de estocagem etc.

O interesse no estudo da absorção de água deve-se ao fato de que a maceração reduz o tempo de cozimento, WANG et al. apud CABRAL [2], e ao objetivo de otimizar processos produtivos, controlando e/ou reduzindo o tempo gasto em diversas fases de processamento.

Grãos de feijão para serem processados são, comumente, macerados por um período de 12 a 14 h, conforme JUNEK et al. [12]. CASTELLANOS et al. [3] empregaram 18 h de maceração em feijões para, posteriormente, estudar características da casca. PAREDES-LÓPEZ et al. [18], em feijões armazenados, realizaram maceração por um período de 16 h. No trabalho de DESHPANDE et al. [10], grãos pequenos atingiram saturação em aproximadamente 6 h; depois de 12 h cinco das dez cultivares estudadas estiveram próximas da saturação, enquanto que as demais demonstraram saturação depois de 18 h.

No que se refere a mudanças ocorridas durante a maceração de grãos de soja e os tempos de maceração estudados, CABRAL [2] apresentou propriedades da casca e sua interferência na absorção de água, impermeabilidade, propriedades do hilum, taxas de inibição de enzimas, e outras. Observou que diversas propriedades dos grãos foram alteradas nos períodos de 4 e 6 horas. Por outro lado, KUBOTA et al. [14] desenvolvendo equipamento para registro de textura, empregaram 12 h de maceração. LIU et al. (15), para observação da dificuldade de cozimento ("hard-to-cook"), realizaram maceração por 4 h. MOSCOSO [17] investigou propriedades de absorção de água em períodos de 1, 3, 6, 12, 18 e 24 h.

No que se refere à curva de absorção de água obtida durante a maceração, comumente os grãos de soja começam a absorver água bastante rapidamente. A velocidade de absorção, então, começa a decrescer até que a absorção atinge seu máximo, ou seja, saturação. A partir de então, os índices de absorção podem se manter constantes por determinado intervalo de tempo. Este intervalo pode variar dependendo de uma série de fatores. O comportamento das curvas pode ser observado em diversos trabalhos, como o de KUBOTA et al. [14].

Do ponto de vista da modelagem o estudo de curvas desse tipo não é novo. As curvas envolvidas são da família exponencial negativa, ou seja, da família f (x) = K {1 - be-[g (x)]}. Curvas da família exponencial negativa, como outras, podem ou não ser ajustadas nestes casos, dependendo das condições experimentais, programas disponíveis, quantidade de parâmetros etc.

No entanto, nem sempre os fenômenos são verificados nas condições de haver possibilidade de se ajustar um modelo único, como no caso do estudo de diversas cultivares em conjunto. Podem ser obtidas, experimentalmente, curvas em que a saturação foi ou não atingida, as curvas podem apresentar faixas de saturação extensas ou pequenas, faixas estas constituindo, geralmente, assíntotas horizontais, que podem ser diferenciadas, mas cujos máximos não podem ser obtidos porque haveriam infinitos pontos críticos, assim, não se poderia encontrar um único ponto ótimo.

Portanto, uma solução para "otimizar" o tempo de maceração a fim de obter o tempo mínimo que fornecesse máxima absorção não seria a modelagem matemática (estatística), mas o exame sensorial.

Não são conhecidos exames sensoriais em curvas deste tipo.

A pesquisa em processos visuais não é, absolutamente, nova. Sem dúvida, há muito a ser aprendido sobre comunicação gráfica eficaz. No entanto, a busca do conhecimento em psicofísica e percepção em geral, o avanço da área de qualidade e estatística exploratória, as tendências em modelagem e apresentação de dados, e os avanços na informática, vêm trazendo grandes progressos nas áreas de gráficos, percepção visual, apresentação de imagens etc.

A década de 90, TUKEY [23], marca um período de transição no conceito de apresentação visual de dados quantitativos - não se entenda que os qualitativos não são abrangidos.

A interação entre psicologia experimental e apresentação de imagem pode ser vislumbrada em ROGOWITZ [19]. No desenvolvimento de sistemas para exploração interativa - interação entre imagens fornecidas pelos sistemas gráficos e o sistema de percepção humano - de dados é preciso conceituar e representar dados de modo a facilitar a análise humana. Assim, é preciso determinar a forma de representação dos dados, escalas a empregar etc.

No que se refere à capacidade de percepção humana, o processamento visual de informação pode ser dividido em três fases: a de apreensão de informação, abrangendo discriminação adequada, propriedades visuais, propriedades de processamento e distorções perceptivas; restrições de memória de curto prazo, com agrupamento perceptivo e limitações de capacidade de memória; e, finalmente, processamento de memória de longo prazo, o repositório de tudo que o indivíduo conhece, KOSSLYN [13].

Há, ainda se tratando da interação homem - sistema gráfico, requisitos de imagem gráfica a se considerar, desde iluminação, contraste, definição, movimento etc. para que se possa comunicar a imagem que se pretende. Nesta interação, o sistema gráfico a ser empregado deve explorar os fatos que se seguem. O sistema central visual tem a melhor resolução espacial, o sistema periférico tem a melhor sensibilidade temporal. Informações visuais chegam a ocupar além de 60% do cérebro, provendo informações para a memória, tomada de decisão e formação de conceito.

Historicamente, de Playfair a Tukey - autores que marcaram a pesquisa em gráficos para apresentação (e análise) de dados, ou seja, aproximadamente de 1780 a 1980 - um dos pontos de concordância na área é que, segundo WAINER [24], a compreensão dos gráficos não é sempre automática, um gráfico mostra detalhes rapidamente, que podem não ser notados caso se apresente os dados de outra forma. Playfair construía gráficos para tornar a informação simples e chamar a atenção para o conteúdo transmitido, COSTIGAN-EAVES & MAC DONALD-ROSS [8].

A pesquisa em gráficos estatísticos, segundo CLEVELAND [4], hoje compreende três grandes áreas, que são: métodos; computação; e percepção gráfica. Quando um gráfico é construído, informações são representadas codificadas por geometria, textura, cor etc. Quando é examinado, estas informações são decodificadas. O processo de decodificação (pelo sistema humano) é a percepção gráfica.

O trabalho de CLEVELAND & McGILL [6] propõe diretrizes para estabelecer fundamentos de teorias de percepção gráfica. Define um conjunto de tarefas perceptivas elementares e ordena estas tarefas em termos de acurácia de percepção. Estuda gráficos populares como os de barras, gráficos de barras subdivididas, gráficos de torta ("pie-charts") e mapas com graduações.

Esses pesquisadores concluem que estes gráficos populares necessitam de um corte radical e oferecem alternativas. A ordem de acurácia para tarefas elementares de percepção seria a seguinte: posição ao longo de uma escala comum; posição ao longo de escalas não alinhadas; tamanho, direção e ângulo; área; volume e curvatura; e corte e extinção de cor. Apresentam percentagens de erros na percepção, que se mostraram em ordem crescente, conforme percepção de: posição; tamanho; e ângulos.

CLEVELAND & McGILL [7] adicionaram informações gráficas a gráficos de dispersão para torná-los mais eficientes. Estudaram símbolos nos gráficos, sistemas de códigos, preenchimento de sinais, e formas de visualização. Verificaram que a percepção de associação em casos bivariados era melhor à medida que o tamanho da região de contorno dos pontos decrescia com relação ao tamanho do próprio ponto. Também mostraram o aumento de eficiência entre emprego de círculos vazados comparados à mistura de símbolos variantes dos girassóis.

Comparando a visualização de gráficos codificados com a de gráficos empregando pontos de diversas formas (círculos vazados, quadrados vazados, círculos cheios e quadrados cheios), esses pesquisadores verificaram que os primeiros forneceram a melhor visualização.

Ainda em gráficos de dispersão, CLEVELAND et al. [5] estudaram a forma como fator crítico de um gráfico que mostra a dependência de Y em X. No caso em que o gráfico é determinado pelos extremos, houve dificuldade de visualização. Quando diversos tipos de linhas conectam pontos, quase verticalmente, importantes propriedades passaram desapercebidas.

O processo nesses gráficos envolve movimentos oculares e busca alerta, havendo mais do que visão "pré-alerta", que pode ocorrer em 5 milisegundos. A identificação de segmentos e julgamento de sua distância relativa pode ser realizada em tempo £ 1 segundo.

Esses autores, em seguida, teorizaram a distorção de orientação, de verticalidade e estudaram a percepção de intervalos, chegando a determinar a escala ótima para representação de logaritmos.

TUKEY [23] considerou que a visão clássica de apresentação gráfica de dados deve ser reexaminada. Chamou a atenção para o asseguramento de: impacto (forte e imediato); fluxo ágil de atenção através de elementos paralelos; planejamento na apresentação de formas (e não números); atenção para prospeção daquilo que se pretende mostrar e transferir; e apresentação de respostas (dados) desproporcionais. Um dos problemas da prospeção seria a quantidade de gráficos alternativos a ser gerada.

COX [9] traz o emprego de gráficos em análises específicas de dados em que questões claramente formuladas podem ser respondidas, e outras opções de uso.

Foi aqui demonstrada a profundidade, complexidade e atualidade da pesquisa em gráficos. Áreas como controle de qualidade e processos publicam gráficos novos quase que diariamente. Resta acrescentar que o emprego de gráficos, além do uso em pesquisa de gráficos abrange, também, a administração (gestão) de qualidade, como em BOCCACINO [1], a análise sensorial de alimentos como em GATCHALSAN et al. [11], o próprio controle de qualidade industrial, como em TREVANICH & BOURKE [22], a estatística teórica como em TAYLOR [21], e inúmeras outras áreas do conhecimento.

Frente a esse panorama, este trabalho se dedicou a estudar curvas de absorção de água em diversas cultivares de soja cultivadas no Brasil, visando obter "pontos ótimos", através de método estatístico-sensorial empregado em gráficos de curvas de absorção para estabelecer o tempo mínimo para se alcançar a absorção máxima.

 

2 — MATERIAL E MÉTODOS

2.1 – Cultivares de soja

Foram estudadas as seguintes cultivares de soja plantadas no Brasil : Bossier; BR-4; BR-5; BR-9 (Savana); BR-15 (Matogrosso); BR-27 (Cariri); Bragg; Buriti (MSBR-21); Cobb; Cristalina; Davis; Doko; Dourados; FT-2; IAC-12; IAS-4; IAS-5; OCERPAR-4 (Iguaçú); Paraná; e Santa Rosa.

O material foi macerado em água, na relação de 1 : 4, à temperatura ambiente, durante o intervalo de tempo de 18 h, realizando-se observações a cada hora, obtendo-se 3 observações/h.

2.2 – Índices e Gráficos

Foram obtidos índices chamados de índices de absorção de água (IAA), conforme:

IAA = PAABS/PIA,

onde PIA é o peso inicial da amostra, e PAABS é peso da água absorvida.

Os resultados dos índices assim obtidos (IAA) para as cultivares acima mencionadas foram processados em Statgraphics, MANUGISTICS [16], e SAS, SAS [20] em microprocessador do tipo 486.

Os gráficos estudados foram dos tipos: pontos cheios únicos (um ponto/hora), conjunto de pontos cheios concomitantes (3 pontos/hora); e conjunto de observações concomitantes em forma de quadrados. Os pontos nos gráficos de pontos mantiveram diâmetro de 0,2 cm, os quadrados foram de 0,07 cm de aresta.

As escalas empregadas foram de 9,6 x 11,3 cm (Y x X), para horas variando de 1 a 14 e índice de absorção de 0 a 1,6 nos gráficos com pontos cheios (os dois tipos mencionados), e de 9,9 x 13 cm nos gráficos com observações em forma de quadrados.

O leitor pode encontrar exemplos de gráficos de pontos cheios na Figura 1. No caso de uso de quadrados, os pontos da Figura 1(b) foram substituidos por quadrados cheios.

 

Image413.gif (4062 bytes)

Image414.gif (4333 bytes)

FIGURA 1. Exemplos de gráficos de pontos únicos cheios (a) e conjunto de pontos cheios concomitantes (b) empregados. (a) Variedade 179 : Índice de absorção de água segundo horas de maceração. (b) Variedade 437 : Índice de absorção de água segundo horas de maceração.

 

2.3 – Obtenção de "pontos ótimos" através de método estatístico-sensorial

Dezoito julgadores foram instruídos quanto aos objetivos do trabalho, fenômeno em estudo (absorção de água em soja), e conceitos de erros provenientes de diversas fontes.

Os julgadores foram treinados na visualização de : curva teórica de absorção; curva descrita com interferência de erro probabilístico; e curva com erro probabilístico e observações concomitantes / hora.

Conjuntos de gráficos com pontos cheios únicos, pontos cheios concomitantes e quadrados cheios concomitantes para cada variedade foram fornecidos aos julgadores.

Os gráficos foram aleatorizados e os julgadores foram instruídos a marcar um traço vertical (paralelo ao eixo - Y), no local que consideraram se localizar o "ponto ótimo" de cada curva, definido como tempo mínimo para se atingir a absorção máxima. Houve também instrução quanto aos casos em que a saturação não foi atingida. Estas instruções foram transmitidas aos julgadores oralmente e em fichas. As curvas foram apresentadas com códigos de 3 dígitos (aleatórios) para identificação de cultivares.

2.4 – Análise de dados

Os métodos estatísticos foram cálculo e análise de estatísticas básicas obtidas no Statgraphics, MANUGISTICS [16], cálculo de eficiências relativas, obtenção de índices de consistência e concordância, e ajuste de modelo no SAS [20], considerando tipo de gráfico, julgador, cultivar e interações duplas como causas de variação.

2.5 – Eficiências relativas, consistência e concordância

Foram empregados 18 julgadores para a obtenção dos "pontos ótimos" e um especialista em análise de dados experimentais - mais de vinte anos de experiência - para verificar resultados da equipe.

As comparações envolvendo eficiência relativa se basearam em erros quadráticos relativos, conforme se segue,

c i2 =Image416.gif (1330 bytes),

onde Reseq designou o resultado da equipe e Resesp resultado do especialista, aplicado a cada par de formas (i,k) de apresentação.

Consistência, interpretada como coerência, foi obtida através do coeficiente de correlação de Kendall. Índices de concordância foram traduzidos por probabilidades de concordância (em %).

 

3 — RESULTADOS E DISCUSSÃO

3.1 – Estatísticas básicas para as três formas de apresentação

As diferenças de médias foram estudadas no item 3.2. Uma comparação através de F-Snedecor indicou que não houve diferenças nas variações de percepção entre as formas de apresentação gráfica estudadas (p < 0,05), portanto as formas de apresentação gráfica empregadas não geraram diferenças de comportamento em termos de variação, Tabela 1.

 

TABELA 1. Estatísticas básicas segundo formas de apresentação.

Apresentação

Média

Variância

Desvio Padrão

CJP

10,80

5,74

2,70

CPQ

10,97

4,62

2,15

PUNI

10,59

5,47

2,33

CJP : conjunto de pontos concomitantes (3/h)
CPQ : conjunto de quadrados concomitantes (3/h)
PUNI : um ponto / hora

 

3.2 – Ajuste de modelo linear 

O ajuste de modelo linear, com causas de variação julgador, cultivar e forma de apresentação gráfica, incluindo interações duplas, forneceu os resultados que compõem a Tabela 2

 

TABELA 2. Resultados do ajuste do modelo.

C.V

GL

SQ

QM

F

Julgador

17

1024,07

60,24

30,26 *

Cultivar

19

1085,48

57,13

28,70 *

Forma Apres.

2

7,10

3,55

1,78

Cultivar x Forma Apres.

38

248,65

3,11

1,56

Julgador x Forma Apres.

34

248,65

7,31

3,67 *

Julgador x Cultivar

297

720,38

2,42

1,22 *

Resíduo

398

792,20

1,99

 

Total

805

     
  • : significativo p < 0,05 Apres. : apresentação

 

Variações do tempo mínimo para se obter o máximo de absorção em cada cultivar puderam ser percebidas pelos julgadores.

Desses resultados pôde-se também apreender o comportamento dos julgadores frente às diferentes formas de apresentação. Os julgadores reagiram diferentemente às distintas formas de apresentação, e ao comportamento que puderam detectar em cada cultivar.

Uma verificação do modelo não demonstrou resultados que pudessem comprometer sua validade.

3.3 – Saturação e tempo mínimo para se obter máxima absorção

Os tempos mínimos para se obter a máxima absorção em cada cultivar constam da Tabela 3, segundo a qual OCEPAR-4, Davis e IAC-12 apresentaram os menores tempos de absorção para atingir saturação e FT-2, MSBR-21 (Buriti), Bragg e Doko apresentaram os maiores.

 

TABELA 3. Tempos mínimos (h) para se obter absorção máxima segundo cultivares e formas de apresentação na avaliação da equipe.

Cultivar

Pontos Únicos

Conjunto de Pontos

Conjunto de Quadrados

Bossier

10,08

10,93

11,16

BR-4

11,60

11,42

11,92

BR-5

11,86

11,61

12,03

BR 9 (Savana)

10,10

9,42

10,43

BR-15 (Mato grosso)

10,01

9,51

10,56

BR-27 (Cariri)

11,13

12,25

11,98

Bragg

> 14

> 14

> 14

MSBR-21 (Buriti)

> 14

> 14

> 14

Cobb

10,44

10,90

11,84

Cristalina

11,27

10,12

9,83

Davis

8,076

8,04

8,65

Doko

> 14

> 14

> 14

Dourados

10,79

10,88

11,56

FT-2

> 14

> 14

> 14

IAC-12

9,51

9,44

9,30

IAS-4

11,99

12,02

11,75

IAS-5

11,07

11,11

10,90

OCEPAR-4 (Iguaçu)

7,47

8,05

8,63

Paraná

12,17

11,90

11,83

Santa Rosa

11,31

12,12

12,07

  • 14 : saturação não foi alcançada nas 14 h observadas

 

De conformidade com as respostas obtidas nessa Tabela, a equipe considerou que, de acordo com as três formas de classificação, as cultivares Bragg, MSBR-21 (Buriti), Doko e FT-2 não saturaram no período de 14 h.

Segundo essas mesmas formas de apresentação, de acordo com a avaliação do especialista, a cultivar Bragg poderia ter saturado, tendo havido concordância entre a equipe e o especialista nos demais casos. Assim, o grau de discordância foi de 0,033, ou seja, concordância de 0,967, ou seja, 96,7%.

Adicionalmente, considerando-se a forma conjunto de pontos, segundo o especialista as cultivares MSBR-21 (Buriti), Doko, FT-2 e Santa Rosa não teriam atingido saturação, enquanto que para a equipe, isto seria válido para Bragg, MSBR-21 (Buriti), Doko e FT-2 ou seja, houve um grau de discordância de 10% entre especialista e a equipe neste caso, ou seja, concordância de 90 %.

3.4 – Eficiências relativas e consistência

A eficiência relativa expressa pelos erros quadráticos relativos variou de 0,71 a 2,96. Estes resultados, que equivalem a 1,41 e 2,96 para efeito de teste estatístico, não diferiram significativamente (p < 0,05), o que implicou que não houve diferença significativa de eficiência entre a equipe de julgadores e o julgamento do especialista.

No que se refere à consistência (Tabela 4) observada dentro da equipe para as três formas de apresentação, houve nível significativo (p < 0,05) de consistência, que variou de 72,53% a 80,43%. Nas avaliações do especialista, a consistência observada também foi significativa ( p < 0,05), e variou de 73,27% a 86,15%, ou seja, alcançou faixa de consistência ligeiramente superior à da equipe em seus julgamentos.

 

TABELA 4. Coeficientes de correlação de Kendall (significativos, p < 0.05) entre tempos mínimos para se obter absorção máxima definidos pela equipe e especialista segundo formas de apresentação. 

 

PUNE

CJPE

CPQE

PUNI

CJP

CJQ

PUNE

1.0000

.7253

.7253

.8037

.7137

.7671

CJPE

 

1.0000

.8043

.7442

.8322

.7930

CPQE

   

1.0000

.7442

.8322

.7701

PUNI

     

1.0000

.7323

.7930

CJP

       

1.0000

.8615

CJQ

         

1.0000

PUNE : pontos únicos cheios, equipe
CJPE : conjunto de pontos cheios, equipe
CPQE : conjunto de pontos quadráticos, equipe
CJP : conjunto de pontos cheios, especialista
CJQ : conjunto de pontos quadráticos, especialista PUNI : pontos únicos cheios, especialista

                                                                                                     

Comparando a consistência dos julgamentos da equipe com a dos julgamentos do especialista, as correlações foram da ordem de 71,37% entre julgamentos de pontos cheios únicos pela equipe e conjunto de pontos cheios pelo especialista, ou 83,22% obtidos em ambos os casos entre os julgamentos de conjuntos de pontos cheios pela equipe e conjuntos de pontos quadráticos pela equipe e conjunto de pontos cheios pelo especialista.

Muito provavelmente, as diferenças obtidas nas percepções de gráficos de pontos únicos e conjuntos de pontos quadráticos pela equipe e pelo especialista se deveram a dois fatores, conforme : diferenças de interpretação da margem de erro entre ambas as partes e diferenças de familiarização - experiência e treinamento - na interpretação de erro considerando diversos pontos concomitantes para o mesmo valor no eixo do tempo (X).

 

4 — CONCLUSÕES

Referentemente à consistência na equipe de julgadores concluiu-se que a consistência obtida foi boa, especialmente nos julgamentos entre conjuntos de pontos concomitantes no eixo-Y (cheios e quadráticos). Seu valor foi de 80,43%, o que indicou que a percepção nestes dois casos foi similar.

A consistência do especialista foi ligeiramente superior à da equipe no caso similar ao acima relatado, seu valor foi 86,15%.

A consistência entre julgamentos da equipe e do especialista variou de 71,37% a 83,22%. Esta variação foi atribuída ao baixo grau de familiarização fenomenológica da equipe frente ao especialista, no entanto estes resultados foram considerados bons para este trabalho.

A equipe não demonstrou eficiência relativa inferior à do especialista (p < 0,05). A divergência entre a equipe e o especialista se referiu, principalmente, à cultivar, MSBR-21 (Butiri). O especialista considerou que esta cultivar poderia ter saturado em tempo £ 14 h.

Segundo a equipe, as cultivares OCEPAR-4, Davis e IAC-12 apresentaram os menores tempos de absorção para atingir saturação (de aproximadamente 7:30 a 9:30 h), enquanto que FT-2, MSBR-21 (Buriti) e Bragg apresentaram os maiores (> 14 h), ou seja, não saturaram no período de 14 h.

 

5 — BIBLIOGRAFIA

[1] BOCCACINO, M.J. Get control of your control charts. Qual. Progr., outubro, p. 99-102, 1993.         [ Links ]

[2] CABRAL, L.C. Cooking quality, nutritive value, sensory characteristics and shelf life of whole and dehulled soybeans. U. Arizona, 1987. 153 p.         [ Links ]

[3] CASTELLANOS, J.Z. Effects of hardshell character on cooking time of common beans grown in the semiarid highlands of Mexico. J. Sci. Food Agric., n. 69, v. 2, p. 437-443, 1995.         [ Links ]

[4] CLEVELAND, W.S. Research in statistical graphics. J. Am. Statist. Assoc., v. 82, n. 398, p. 419-423, 1987.         [ Links ]

[5] CLEVELAND, W.S. et al. The shape parameter of a two-variable graph. J. Am. Statist. Assoc., v. 83, n. 402, p. 289-300, 1988.         [ Links ]

[6] CLEVELAND, W.S. & McGILL, R. Graphical perception : theory, experimentation, and application to development of graphical methods. J. Am. Statist. Assoc., v. 79, n. 387, p. 531-554, 1984.         [ Links ]

[7] CLEVELAND, W.S. & McGILL, R. The many faces of a scatteplot. J. Am. Statist. Assoc., v. 79, n. 388, p. 807-822, 1984.         [ Links ]

[8] COSTIGAN-EAVES, P. & MAC DONALD-ROSS, M. William Playfair (1759-1823). Statist. Sci., v. 5, n. 3, p. 318-326, 1990.         [ Links ]

[9] COX, D.R. Some remarks on the role in statistics of graphical methods. Appl. Statist., v. 27, n. 1, p. 4-9, 1978.         [ Links ]

[10] DESHPANDE et al. Interrelationships between certain physical and chemical properties of dry beans (Phaseolus vulgaris L.). Qual. Plant. Plant. Foods Hum Nutr., v. 34, n. 1, 53-65, 1984.         [ Links ]

[11] GATCHALSAN, M. et al. Control chart technique: a feasible approach to measurement of pannelist performance in product profile development. J. Sensory Stud., v. 6, n. 4, p. 239-253, 1991.         [ Links ]

[12] JUNEK, J.J. et al. Influence of processing methodology on quality attributes of canned dry beans. J. Food Sci., v. 45, n. 4, p. 821-824, 1980.         [ Links ]

[13] KOSSLYN, S.M. Graphics and human information processing. J. Am. Statist. Assoc., v. 80, n. 391, p. 499-512, 1985.         [ Links ]

[14] KUBOTA, K. et al. Studies on a simple convenient textural instrument and on physical properties of cooked soybeans. J. Fac. Appl. Biol. Sci., v. 23, n. 1, 1984.         [ Links ]

[15] LIU, K. et al. Mechanism of hard-to-cook defect in cowpeas : verification via microstructure examination. Food Struc., v. 12, n. 1, p. 51-58, 1993.         [ Links ]

[16] MANUGISTICS. Statgraphics, User manual. Cambridge : Manugistics, 1993. 6.1-6.52, 11.1-11.64.         [ Links ]

[17] MOSCOSO, W. Relationship between the hard-to-cook phenomenum in red kidney beans and water absorption, puncture force, pectin, phytic acid, and minerals. Food Sci. Technol., v. 41, n. 12, p. 4443, 1981.         [ Links ]

[18] PAREDES-LÓPEZ, O. et al. Effect of the hardening phenomenum on some physico-chemical properties of common bean. Food Chem., v. 31, n. 1, p. 225-236, 1989.         [ Links ]

[19] ROGOWITZ, B.E. Displays : the human factor. Recognizing now human vision operates is key to creating outstanding displays. BYTE, julho, p. 195-200, 1992.         [ Links ]

[20] SAS. SAS/STAT, User’s guide. v. 1. Cary : SAS, 1989. 943 p.         [ Links ]

[21] TAYLOR, G.A.R. Analysis of experiments using normal plots. Statistician, v. 43, n. 4, p. 529-536, 1994.         [ Links ]

[22] TREVANICH, A & BOURKE, P. EWMA control charts using attributes data. Statistician, v. 42, n. 3, p. 215, 1993.         [ Links ]

[23] TUKEY, J.W. Data-based graphics : visual display in the decades to come. Statist. Sci., v. 5, n. 1, p. 327-339, 1990.         [ Links ]

[24] WAINER, H. Graphical visions from William Playfair to John Tukey. Statist. Sci., v. 5, n. 3, p. 340-346, 1990.         [ Links ]

 

 

1 Recebido para publicação em 25/09/98. Aceito para publicação 08/10/98.

2 Empresa Brasileira de Pesquisa Agropecuária - EMBRAPA. Centro Nacional de Tecnologia Agroindustria de Alimentos. Av. Américas, 29501, 2030-470, Rio de Janeiro - RJ

* A quem a correspondência deve ser endereçada.

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License