정량적묘사분석(관능) (Quantitative Descriptive Analysis (Sensory))
쉽게 풀면
QDA는 관능평가를 좀 더 체계적이고 과학적으로 만든 방법이라고 볼 수 있습니다. 훈련받은 평가자들이 '끈적임', '발림성', '흡수속도' 같은 여러 항목을 정해진 기준에 따라 각각 점수로 매기고, 이를 통계적으로 분석해 제품 간 차이를 비교합니다. 마치 와인 감별사가 향과 맛을 세분화해 점수 매기는 것과 비슷한 방식입니다.
왜 중요한가
QDA는 여러 감각 특성을 한 번에 다차원적으로 비교할 수 있어, 신제품과 경쟁 제품의 사용감 차이를 정밀하게 파악하는 데 유용합니다. 화장품 처방 개선 연구나 소비자 선호도 예측 모델을 만드는 연구에서 핵심적인 데이터 수집 방법으로 사용됩니다. 좋다·나쁘다는 선호 판단을 배제하고 속성의 강도만을 객관적으로 기술하기 때문에, 서로 다른 제품이나 배치 간 품질 편차를 정량적으로 비교하는 데 신뢰할 수 있는 근거를 제공합니다.
논문에서는 이렇게 쓰입니다
여러 감각 항목 중 특정 항목에서 두 제형 간 차이가 통계적으로 확인되었다는 뜻입니다.
QDA는 평가 신뢰도를 높이기 위해 사전에 패널을 충분히 훈련시키는 과정을 거친다는 것을 보여줍니다.
조금 더 깊게 보면
QDA는 평가 항목(속성)을 사전에 패널과 함께 정의하고, 각 속성에 대해 강도를 선형 척도나 점수 척도로 기록하는 절차로 진행됩니다. 얻어진 데이터는 통계 분석을 통해 제형 간 차이를 시각화하는 스파이더 차트나 주성분분석(PCA) 등으로 정리되는 경우가 많습니다. 훈련된 패널이 제품의 향, 발림성, 흡수 속도, 잔여감 등 세부 속성을 정해진 척도에 따라 수치로 평가하며, 이 결과는 기기 측정값이나 소비자 선호도 조사와 함께 제품 개발 지표로 활용됩니다.
주의할 점
QDA는 패널의 훈련 수준과 평가 항목 정의의 명확성에 따라 결과 신뢰도가 크게 좌우되므로, 훈련 과정과 평가 프로토콜을 충분히 표준화해야 합니다. 패널이 동일한 기준으로 평가할 수 있도록 수개월에 걸친 표준물질 훈련이 선행되어야 하며, 훈련이 불충분하면 패널 간 평가 편차가 커져 데이터 신뢰도가 떨어질 수 있습니다.