平底与圆锥：在手冲咖啡中，滤杯的形状与研磨粒度同样重要。

要在一个坐满咖啡爱好者的房间内引发一次激烈辩论，最可靠的方法之一是提出一个简单的问题：手冲咖啡滤杯的最佳形状是什么？

博士后研究员SCOTT FROST博士、JEAN-XAVIER GUINARD教授和WILLIAM D. RISTENPART教授分享了一个持续性研究项目的早期结果，该项目与SCA和Breville公司合作开展。

任何最近购买手冲咖啡器具的人都将意识到，现代咖啡滤杯通常有一个“半圆锥”或“平底”的滤杯（比较图1）。半圆锥滤杯的粉丝往往会滔滔不绝地描述更强的水流通过咖啡渣、更高的萃取一致性以及相应更好的口味。令人困惑的是，平底滤杯的粉丝讲述的平底滤杯益处与其完全相同。支持一种或另一种观点的证据往往涉及到个人口味测试的单例报告。

图片1：平底与半圆锥（“圆锥”）滤杯的艺术渲染。

迄今为止，我们缺少干货数据来科学、严谨地回答这个问题。

2017年，SCA请求加利福尼亚大学Davis咖啡中心开展研究，目的是拓展和更新手冲咖啡的经典手冲控制图。研究目前还在进行中（已经得出了令人兴奋的初步结果！），但作为一个初步的“热身”项目（同时为了使我们自己的激烈辩论告一段落），我们决定解决这个平底与半圆锥滤杯的问题。我们有幸与Breville公司开展合作，这家公司为整个项目提供担保，并为我们提供了他们的Precision Home咖啡机，这款咖啡机拥有可方便换用的平底和半圆锥滤杯。主要理念是仔细确保所有其他变量不变（烘焙等级、水温、流速等），特别针对滤杯几何形状对煮好的咖啡产生的影响进行评估。

设计试验

在回答“哪种形状比较好？”这个问题前，首先必须回答“是否有差异？”这个问题。尽管咖啡爱好者坚信存在差异，但两种形状之间实际不存在任何可察觉或明显的差异，这是完全有可能的。为了确定是否存在差异，我们首先使用“辨别试验”，又被称为“三角试验”。在这些试验中，一名试验人员将喝三杯咖啡，其中两杯是完全一样的，还有一杯则不同。试验人员的任务是识别那杯不同的咖啡。由于每名试验人员都有三分之一的几率仅靠运气就猜出正确的那杯咖啡，因此，我们希望试验人员对那杯不同咖啡的正确识别率远远高于33%。如果他们做不到，就不存在任何明显差异。

我们招募了45名非专家试验人员前往加利福尼亚大学Davis咖啡中心，在感官描述隔离间品尝煮好的咖啡。这些隔离间与传统的试饮桌存在很大的不同，其设计目的是将试验人员隔离开，从而尽可能消除背景方面的偏见，真正让大家对咖啡进行盲试。隔离间还设置为红色光，目的是尽量降低预期偏见（基于人认为咖啡应当具有的黑色外观）。

我们的三角试验使用“2 x 2”阶乘设计，用了两种几何形状的滤杯以及两种不同的研磨粒度（中等和中细）。这种“阶乘设计”很好地说明了我们开展的六次不同的三角试验涵盖了所有可能的滤杯几何形状和研磨粒度组合（表格1）。我们还进行了第七次三角试验，用轻度烘焙对比深度烘焙，我们将这种明显的口味差异作为内部校准和对照。这里的重点是确定滤杯形状和研磨粒度带来的影响。

在开展这些试验的过程中，最具有挑战性的一项工作是确定冲咖啡的细节，因为冲三杯煮好的热咖啡时，其中的逻辑关系具有重要意义。例如，如果其中两杯咖啡比第三杯热，则试验人员只会察觉到一种温度差异，而非口味差异，因此，我们必须制订程序，在倒采用不同方法冲沏的咖啡时确保其温度完全相同同样，我们发现，必须设定统一的“冲咖啡高度”，因为我们的一些助手倒咖啡的高度往往比另一些助手要高；这导致咖啡顶部奶泡数量存在差异，试验人员就能仅仅依靠视觉观察来判断哪杯是不同的咖啡。我们花了不少时间研究出了类似细节，确保试验的严谨。

计算结果

但是，这些工作是值得的，因为我们获得了令人兴奋的反直觉结果，见表格1总结。看第一行，我们可以发现对比平底与圆锥滤杯形状（都使用中等粒度），45名试验人员中有25人准确识别出了那杯不同的咖啡。重要的是，我们预计三分之一的试验人员（15人）仅仅依靠运气就能猜出结果，因此，问题变成25人得出正确结果具有统计方面的重要性，还是仅仅是侥幸。为了回答这个问题，我们使用了“二项概率分布”，它描述的是多次抛硬币的概率（但在这个试验中，“硬币”人头向下的概率只有33%）。我们使用这种分布计算出了概率（或“假定值”）：25名试验人员仅仅依靠随机运气猜到了正确的那杯咖啡。这里的假定值为0.004，意味着如果我们重复做1000次试验，预计只有4次试验中能看到25名试验人员得到正确结果。这种情况不太可能发生！换言之，这并不是侥幸，两种滤杯之间存在统计上具有重要意义的可察觉差异。在比较使用细磨粒度的平底与圆锥滤杯时，我们观察到类似的结果，25名试验人员中有23人识别出了正确的那杯咖啡（假定值为0.024）。

表格1：比较滴滤基面形状和研磨粒度。

因此，对于所有坚称滤杯几何形状会影响口味的咖啡爱好者，我们的数据表明，他们无疑是正确的。

但令人惊讶的是，我们的三角试验还显示，非专家试验人员无法分辨出研磨粒度的差异。表格1第3行和第4行显示了三角试验的结果，它们的滤杯几何形状相同，但研磨粒度不同。在对平底滤杯咖啡进行试验中，只有18名试验人员选择了正确的那杯咖啡；而在对圆锥滤杯咖啡进行的试验中，这个数字只有15。这个结果并不强于随机。我们发现的差异并不是细微差异：“中等粒度”的粒度中位数为1065微米，而“中细粒度”的粒度中位数为799微米，粒度相差25%。对于经常强调精确控制研磨粒度具有极端重要意义的咖啡爱好者，结果证明——至少对于滴滤咖啡——普通人无法分辨出差异（至少在这一研磨粒度范围）。

上述三角试验证明存在可察觉的差异，但是无法说明究竟是什么差异。为解决这个问题，我们接下来开展了一系列详细的“感官描述”试验。在此类试验中，我们要求接受过培训的（专家）试验人员评估各类风味属性的强度，如“烟熏”、“柑橘”、“苦”，等等。我们邀请了表现最好的试验人员（即正确识别三杯咖啡次数最多的试验人员）加入到我们的专家小组，用恰当的感官参考，围绕WCR品尝词汇对他们进行了培训。然后，我们让他们评估26种不同的风味属性，针对“2 x 2 x 2”阶乘设计中8个不同的样本类型进行评估：2种滤篮形状、2种研磨粒度以及2种烘焙等级。我们的专家小组用盲试的方法在感官描述隔离间中品尝了每杯咖啡，然后提供了26个属性的数字化排列。

12名专家试验人员每人衡量26种属性，以一式三份的方式重复品尝8个不同的样本，我们获得了12 × 26 × 8 × 3 = 7488份单独数据点。无需多言，描述如此庞大的数据集非常具有挑战性。图2进行了图示总结，显示了“主成分分析”（PCA）。这是采集大数据集并将其缩减至最有意义的“主成分”时采用的一种高级数字统计技巧，有助于确认哪些群体最不相似或最相似。

图片2：得出的主成分分析（PCA）图。顶图汇集了最相似的数据统计结果。我们可以从这张图上看到，最大的差异出现在轻度烘焙和深度烘焙之间，但滤杯形状也产生了一个有意义的差异。底图概述了每个集群的风味属性。用顶图来映射底图：使用圆锥滤杯的轻度烘焙咖啡产生了酸、柑橘和浆果风味；滤杯则是葡萄干、干果和甜花风味。

PCA图形成了几条关键信息。首先，不出所料，轻度烘焙和深度烘焙之间存在较大差异，两种烘焙等级中巨大的水平分距可以证明这一点。更有趣的是，我们发现对于一种给定的烘焙等级（如左侧的轻度烘焙），滤杯形状也产生了一个有意义的差异。平底滤杯产生的风味属性更多的是干果、甜和强烈花香，而圆锥滤杯更多地产生柑橘、浆果和酸。滤杯形状对深度烘焙也产生了类似的影响，平底更多地产生了巧克力、可可和木质风味，而圆锥更多地产生了强烈的苦味。