jsPsych项目发布:外部HTML插件v2.1.0版本解析
2025-07-06 03:07:35作者:吴年前Myrtle
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,允许研究人员轻松创建各种心理学和行为科学实验。其中,外部HTML插件(@jspsych/plugin-external-html)是一个重要组件,它使开发者能够将自定义HTML内容无缝集成到实验流程中。
版本更新亮点
在最新发布的v2.1.0版本中,外部HTML插件引入了一项重要改进:标准化了所有插件和扩展的引用信息。这一变化体现了jsPsych团队对学术规范的重视,也使得研究人员的引用工作更加便捷。
引用功能详解
新增功能特性
- 标准化引用信息:每个插件现在都包含完整的引用信息,支持APA和BibTeX两种常用格式
- 便捷引用生成:通过jsPsych包中的getCitations()函数,用户可以轻松生成指定插件集的引用
- 自动化引用生成:构建过程中会自动从插件的.cff文件中提取引用信息
技术实现细节
引用信息被添加到每个插件的info字段中,包含以下结构:
info: {
citations: {
apa: "APA格式的引用字符串",
bibtex: "BibTeX格式的引用字符串"
}
}
使用方法示例
研究人员可以通过以下方式获取引用:
// 获取单个插件的APA格式引用
const citation = jsPsych.getCitations(['external-html'], 'apa');
// 获取多个插件的BibTeX格式引用
const multipleCitations = jsPsych.getCitations(['external-html', 'survey'], 'bibtex');
对研究实践的影响
这一更新为学术研究带来了实质性便利:
- 规范化引用:确保研究中使用的每个插件都能被正确引用,符合学术规范
- 提高效率:自动生成的引用格式减少了手动整理的时间
- 促进可重复性:明确的引用信息有助于其他研究者复现实验
技术背景与意义
在行为科学研究中,实验工具的透明度至关重要。jsPsych的这一改进体现了对研究可重复性的承诺,也反映了现代开源科学软件的发展趋势——不仅提供功能实现,还关注学术交流的规范性。
总结
jsPsych外部HTML插件v2.1.0版本的发布,虽然看似只是增加了引用功能,但实际上代表了行为实验工具向更规范、更学术化方向的发展。这一改进将帮助研究人员更轻松地遵守学术规范,同时也提升了jsPsych生态系统在学术界的适用性。对于使用jsPsych构建实验的研究者来说,这一版本无疑会使他们的研究工作更加规范和完善。
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
最新内容推荐
Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
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