การทดสอบเชื้อชาติจากอาหาร

การทดสอบเชื้อชาติจากอาหารเป็นเควสที่น่าดึงดูดและขับเคลื่อนด้วยข้อมูล ซึ่งเผยให้เห็นว่าความชอบอาหารในชีวิตประจำวันสามารถทำนายอัตลักษณ์เชื้อชาติหรือชาติพันธุ์ที่ตนเองรายงานได้อย่างน่าประหลาดใจ ใจกลางของมันคือการวิเคราะห์เชิงประจักษ์ที่เข้มงวดจากแบบสำรวจอาหารขนาดใหญ่ของสหรัฐฯ ซึ่งแสดงให้เห็นว่ารูปแบบอาหารทางวัฒนธรรมนั้นมีโครงสร้างและสามารถทำนายได้มากกว่าที่ภาพเหมารวมทั่วไปอาจบ่งบอก

รากฐานมาจากการวิเคราะห์รองอย่างละเอียดของข้อมูลอาหารสาธารณะ ซึ่งน่าจะมาจาก National Health and Nutrition Examination Survey (NHANES) โครงการมาตรฐานทองคำที่ดำเนินการโดย Centers for Disease Control and Prevention (CDC) NHANES ได้รวบรวมข้อมูลสุขภาพและโภชนาการที่เป็นตัวแทนระดับชาติตั้งแต่ทศวรรษ 1970 รวมถึงแบบสอบถามความถี่ในการบริโภคอาหาร (FFQ) อย่างละเอียดที่ผู้เข้าร่วมรายงานความถี่ในการบริโภคอาหารและเครื่องดื่มเฉพาะหลายร้อยรายการ เมื่อรวมจากหลายรอบการสำรวจ ชุดข้อมูลเหล่านี้ครอบคลุมผู้ตอบแบบสอบถามหลายหมื่นคนที่ระบุเชื้อชาติ/ชาติพันธุ์ของตนเอง (โดยทั่วไปคือ ผิวขาวไม่ใช่ฮิสแปนิก ผิวดำไม่ใช่ฮิสแปนิก ฮิสแปนิก และเอเชีย)

ในการวิเคราะห์ปี 2025 ที่เผยแพร่บน Substack โดย East Hunter ชื่อ “Do Black people really like fried chicken?” นักวิจัยได้นำ random forest classifier – อัลกอริทึม machine learning ที่แข็งแกร่งและใช้กันอย่างแพร่หลายในการสร้างแบบจำลองเชิงพยากรณ์ – มาประยุกต์กับข้อมูลที่มาจาก NHANES นี้ โดยใช้เพียงความถี่การบริโภคอาหารที่รายงานด้วยตนเองเป็นตัวแปรทำนาย (ไม่รวมข้อมูลประชากรศาสตร์ เช่น อายุ รายได้ หรือสถานที่) โมเดลสามารถจำแนกบุคคลไปยังกลุ่มเชื้อชาติ/ชาติพันธุ์ที่ตนเองรายงานได้อย่างถูกต้องด้วยความแม่นยำ 82% บนตัวอย่างทดสอบแบบ holdout ซึ่งสูงกว่ามากเมื่อเทียบกับฐานไลน์ ~40% ที่คาดหวังจากการเดาแบบสุ่มในสี่กลุ่ม ประสิทธิภาพของโมเดลได้รับการยืนยันเพิ่มเติมด้วย Cohen’s Kappa 0.74 ซึ่งบ่งชี้ถึง “ความตกลงอย่างมีนัยสำคัญ” นอกเหนือจากความบังเอิญ – เป็นการรับรองทางสถิติที่แข็งแกร่งในงานจำแนกประเภท

ความแม่นยำสูงนี้เน้นย้ำความจริงเชิงประจักษ์: มีความแตกต่างอย่างเป็นระบบในความชอบด้านอาหารระหว่างกลุ่มชาติพันธุ์ในสหรัฐฯ ซึ่งขับเคลื่อนโดยประเพณีวัฒนธรรม ประวัติศาสตร์ท้องถิ่น แบบแผนการย้ายถิ่น และสูตรอาหารครอบครัวที่ถ่ายทอดจากรุ่นสู่รุ่น ตัวอย่างเช่น การบริโภคผักผัด เต้าหู้ หรือเกี๊ยวที่รายงานสูงบ่งชี้อย่างชัดเจนถึงความชอบแบบเอเชีย; อาหาร Tex-Mex เช่น tortilla เป็นเครื่องเคียงหรือซัลซ่าชี้ไปที่รูปแบบฮิสแปนิก; ไก่ทอด น้ำเกรวี่ หรือลูกอมบางชนิดสอดคล้องกับความชอบแบบผิวดำ; ในขณะที่ไวน์ น้ำอัดลมไดเอท หรือชีสคอทเทจเอนเอียงไปทางรูปแบบผิวขาว สัญญาณเหล่านี้ไม่ใช่เรื่องสุ่ม – อัลกอริทึม random forest ระบุอาหารที่มีพลังจำแนกสูงสุดผ่านการจัดอันดับความสำคัญของฟีเจอร์ และสร้างกราฟแท่งที่ชัดเจนเกี่ยวกับ “ความชอบเพิ่มเติมเมื่อเทียบกับชาติพันธุ์อื่น”

การทดสอบเชื้อชาติจากอาหารกลั่นกรองข้อมูลเชิงลึกนี้ให้อยู่ในรูปแบบเควสที่กระชับและน่าดึงดูด โดยนำเสนอ 8 รายการที่มีพลังทำนายสูงสุดต่อกลุ่ม ซึ่งดึงตรงมาจากแผนภูมิการจัดอันดับความชอบของการวิเคราะห์ ผู้ใช้เพียงตอบ “ใช่” หรือ “ไม่ใช่” ว่าพวกเขาชื่นชอบอาหารแต่ละชนิดเป็นประจำ (อย่างน้อยเดือนละครั้ง) แล้วส่งคำตอบเพื่อรับผลลัพธ์ทันทีที่เผยว่ารูปแบบชาติพันธุ์ใดที่รสชาติของพวกเขาใกล้เคียงที่สุด

แม้จะดูเหมือนเป็นเพียงการเล่นสนุกบนผิวเผิน แต่พลังของการทดสอบนี้อยู่ที่การตั้งอยู่บนข้อมูลการสำรวจขนาดใหญ่ที่แท้จริงและผลลัพธ์ machine learning ที่ได้รับการตรวจสอบแล้ว มันเน้นย้ำว่าวัฒนธรรมฝังลึกอยู่ในพฤติกรรมประจำวันมากเพียงใด โดยเปลี่ยนสิ่งที่เป็นส่วนตัวอย่างรสชาติให้กลายเป็นตัวแทนที่เชื่อถือได้อย่างน่าประหลาดสำหรับอัตลักษณ์กลุ่ม – ทั้งหมดนี้ได้รับการสนับสนุนด้วยหลักฐานเชิงประจักษ์ ไม่ใช่เรื่องเล่า ในยุคของ big data งานนี้แสดงให้เห็นวิธีที่ละเอียดอ่อนและวัดได้ว่าความแตกต่างของมนุษย์ปรากฏออกมา เชิญชวนให้ไตร่ตรองถึงจุดตัดระหว่างอาหาร วัฒนธรรม และอัตลักษณ์

เอกสารอ้างอิง

• Bennett, G., Bardon, L. A., & Gibney, E. R. (2022). A comparison of dietary patterns and factors influencing food choice among ethnic groups living in one locality: A systematic review. Nutrients, 14(5), Article 941. https://doi.org/10.3390/nu14050941
• East Hunter. (2025, December 31). Do Black people really like fried chicken? East Hunter.