jsPsych插件maxdiff 2.1.0版本发布:增强学术引用功能
2025-07-06 17:32:08作者:段琳惟
项目简介
jsPsych是一个基于JavaScript的开源心理学实验框架,它允许研究人员和开发者在网页浏览器中创建复杂的心理学实验。该框架采用模块化设计,通过插件系统提供各种实验范式,如问卷调查、认知任务等。maxdiff插件是jsPsych生态中的一个重要组件,专门用于实施最大差异量表(MaxDiff)这一市场研究和心理学中常用的测量技术。
版本更新亮点
最新发布的maxdiff插件2.1.0版本主要增强了学术引用功能,这是科研工具专业化发展的重要一步。该更新使得插件能够自动生成标准化的学术引用信息,显著提升了研究工作的规范性和便利性。
技术细节解析
引用信息标准化
新版本在每个插件的信息字段中新增了citations属性,包含两种标准引用格式:
- APA格式:心理学领域最常用的引用格式
- BibTeX格式:适合LaTeX用户的技术文献引用格式
这些引用信息在构建过程中会自动从插件的.cff文件中提取生成,确保了信息的准确性和一致性。
新增API功能
jsPsych核心包新增了getCitations()方法,开发者可以通过简单的调用获取规范的引用文本。该方法接受两个参数:
- 插件/扩展名称数组
- 引用格式字符串("apa"或"bibtex")
调用该方法时,系统会首先输出jsPsych库本身的引用,然后按照数组顺序输出各插件的引用,每个引用之间用换行符分隔。
实际应用价值
这一更新为学术研究带来了三大优势:
- 规范化:确保实验工具使用得到恰当引用,符合学术伦理要求
- 便捷性:自动生成引用文本,节省研究人员时间
- 一致性:统一引用格式,避免不同插件间的格式差异
开发者视角
从技术实现角度看,这一功能展示了jsPsych生态系统的成熟度:
- 构建流程自动化:引用信息在构建时自动生成
- 模块化设计:保持核心功能与附加功能的分离
- 标准化支持:遵循学术界的通用规范
结语
jsPsych maxdiff插件2.1.0版本的发布,不仅提升了工具本身的学术严谨性,也反映了开源科研工具向专业化、标准化发展的趋势。这一更新将特别有利于需要进行学术发表的研究人员,使他们能够更便捷地遵守学术规范,将更多精力集中在研究本身而非技术细节上。
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++
639
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
149
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
227
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