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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~061CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava05GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
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!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









