jsPsych插件initialize-camera 2.1.0版本发布:增强学术引用功能
jsPsych是一个广泛应用于心理学和行为科学研究中的JavaScript库,它允许研究人员在浏览器中创建和运行复杂的实验。该库通过模块化的插件系统提供了丰富的实验功能,从简单的问卷调查到复杂的认知任务都能轻松实现。
在最新发布的initialize-camera插件2.1.0版本中,jsPsych团队引入了一个对学术研究至关重要的功能改进——标准化引用系统。这一改进将极大地方便研究人员在发表论文时正确引用所使用的实验工具。
新增引用功能详解
initialize-camera插件2.1.0版本的核心更新是为所有插件和扩展添加了标准化的引用属性。这一功能通过以下方式实现:
-
内置引用信息:每个插件现在都包含一个info字段,其中存储了两种标准学术引用格式:
- APA格式:心理学领域最常用的引用格式
- BibTeX格式:LaTeX文档处理系统常用的引用格式
-
动态引用生成:jsPsych包新增了getCitations()函数,研究人员可以通过以下方式生成所需的引用:
- 第一个参数传入插件/扩展名称数组
- 第二个参数指定所需的引用格式字符串
-
自动构建流程:在构建过程中,系统会自动从每个插件文件夹根目录下的.cff文件(如果有)生成相应的引用信息,确保引用数据的准确性和一致性。
技术实现特点
这一版本的实现体现了几个重要的技术考量:
-
标准化设计:所有插件/扩展的模板现在默认包含citations字段,保证了整个生态系统的一致性。
-
用户友好输出:getCitations()函数生成的引用字符串使用换行符分隔每个引用,并且总是首先输出jsPsych库本身的引用,符合学术规范。
-
格式灵活性:同时支持APA和BibTeX两种格式,满足了不同期刊和学术场景的需求。
对研究实践的影响
这一改进对心理学和行为科学研究具有重要意义:
-
简化引用流程:研究人员不再需要手动查找和格式化引用信息,减少了出错的可能性。
-
提高研究透明度:标准化的引用方式使实验方法的描述更加清晰,有利于研究的可重复性。
-
促进学术规范:自动包含jsPsych库引用的设计确保了基础工具的适当引用,尊重了开源贡献者的工作。
initialize-camera插件本身用于实验中的摄像头初始化,这一功能在需要记录参与者面部表情或眼动等数据的实验中尤为重要。2.1.0版本的这一改进,使得使用摄像头进行实验的研究人员在撰写论文时能够更加便捷地处理引用问题。
这一更新反映了jsPsych项目对学术研究完整性的重视,也展示了开源科学工具如何通过技术创新来支持研究实践的规范化。随着心理学和行为科学研究对方法透明度和可重复性要求的提高,这样的功能改进将成为实验工具发展的重要方向。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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