jsPsych音频滑块响应插件2.1.0版本发布解析
2025-07-06 12:47:11作者:农烁颖Land
jsPsych是一个用于构建行为实验的JavaScript库,它提供了丰富的插件系统,使研究人员能够轻松创建各种心理学实验任务。其中,audio-slider-response插件是一个专门用于播放音频刺激并收集参与者通过滑块进行响应的工具。
音频滑块响应插件概述
audio-slider-response插件允许实验设计者播放音频文件,同时显示一个滑块控件,参与者可以通过拖动滑块来提供他们的响应。这种交互方式特别适合需要连续评分的实验场景,比如情绪评估、声音特征评分等。
2.1.0版本主要更新
本次2.1.0版本的主要改进是增加了对学术引用的支持。具体来说:
- 所有插件和扩展现在都包含一个citations属性,该属性提供了两种标准引用格式(APA和BibTeX)。
- 在jsPsych包中添加了getCitations()函数,允许用户通过传递插件/扩展名称数组和引用格式字符串来生成引用。
- 插件/扩展模板现在默认包含citations字段。
- 在构建过程中,会自动从每个插件/扩展文件夹根目录下的.cff文件(如果存在)生成引用信息。
技术实现细节
这一改进使得jsPsych更加符合学术规范,方便研究者在发表论文时正确引用所使用的工具。getCitations()函数会以字符串形式输出引用,每个引用之间用换行符分隔,并且总是首先输出jsPsych库本身的引用。
对于开发者而言,这一变化意味着:
- 创建新插件时,系统会自动处理引用信息,减少了手动维护的工作量。
- 引用信息的标准化格式使得研究成果更容易被追踪和验证。
- 实验代码中可以方便地获取所有使用组件的引用信息,简化了论文写作过程。
实际应用场景
假设一个研究者正在设计一个音乐情绪评估实验,他们可能会这样使用这个插件:
var trial = {
type: jsPsychAudioSliderResponse,
stimulus: 'happy_music.mp3',
labels: ['非常悲伤', '非常快乐'],
min: 0,
max: 100,
prompt: '<p>请评估这段音乐带给您的快乐程度</p>'
};
在实验结束后,研究者可以调用getCitations()函数获取所有使用过的插件引用,方便地将其添加到论文的参考文献部分。
总结
jsPsych audio-slider-response插件2.1.0版本的这一改进,体现了该项目对学术规范的重视,也展示了其作为研究工具的成熟度。通过自动化引用生成,不仅提高了研究工作的效率,也促进了科学研究的可重复性和透明度。对于心理学、神经科学等领域的研究者来说,这一更新使得jsPsych成为一个更加完善的行为实验构建工具。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
311
2.72 K
deepin linux kernel
C
24
7
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
638
242
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
469
Ascend Extension for PyTorch
Python
148
175
暂无简介
Dart
604
135
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
226
81
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
363
2.99 K
React Native鸿蒙化仓库
JavaScript
236
310