jsPsych项目发布:@jspsych/plugin-iat-html插件v2.1.0版本解析
jsPsych是一个基于JavaScript的开源心理学实验库,它允许研究人员和开发者在网页浏览器中创建和运行心理学实验。该库提供了丰富的插件系统,使得构建复杂的实验流程变得简单高效。其中,@jspsych/plugin-iat-html插件是专门用于实现内隐联想测验(Implicit Association Test, IAT)的重要组件。
版本2.1.0主要更新内容
本次发布的2.1.0版本主要引入了一个重要的学术引用功能改进:
-
标准化引用系统:所有插件和扩展现在都包含了一个标准化的引用信息字段(citations),支持APA和BibTeX两种主流引用格式。
-
自动化引用生成:在构建过程中,系统会自动从每个插件/扩展根目录下的.cff文件中提取引用信息,并生成标准化的引用格式。
-
便捷引用获取:新增了getCitations()函数,用户只需传入插件/扩展名称数组和所需的引用格式字符串,即可一键生成规范的学术引用文本。
技术实现细节
这一改进的技术实现涉及多个层面的优化:
-
数据结构扩展:在每个插件/扩展的info字段中添加了citations属性,确保引用信息的结构化存储。
-
构建流程增强:在构建过程中添加了自动解析.cff文件的逻辑,将开源项目的元数据转化为标准学术引用格式。
-
API功能扩展:新增的getCitations()函数不仅支持单个插件的引用获取,还能批量处理多个插件的引用需求,并始终将jsPsych主库的引用置于首位。
对研究实践的意义
这一改进为心理学研究者带来了显著便利:
-
规范化引用:解决了心理学实验中插件引用不规范的问题,提升了研究的学术严谨性。
-
效率提升:自动化引用生成大大减少了研究人员手动整理引用格式的时间成本。
-
格式统一:支持APA和BibTeX两种格式,满足了不同期刊和学术场景的引用需求。
开发者使用指南
对于使用该插件的研究人员或开发者,获取引用信息变得非常简单:
// 获取单个插件的APA格式引用
const citation = jsPsych.getCitations(['iat-html'], 'apa');
// 获取多个插件的BibTeX格式引用
const multipleCitations = jsPsych.getCitations(['iat-html', 'survey'], 'bibtex');
系统会自动返回格式化后的引用字符串,每个引用之间用换行符分隔,确保输出的整洁和可读性。
总结
jsPsych 2.1.0版本的这一改进,体现了开源科学软件对学术规范的重视。通过标准化和自动化引用系统,不仅提升了研究工作的效率,也增强了心理学实验的学术可信度。这一功能对于需要发表研究成果的研究人员尤为重要,它确保了实验工具使用的透明性和可追溯性,符合开放科学的最佳实践。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C032
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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