jsPsych插件serial-reaction-time-mouse 2.1.0版本发布解析
2025-07-05 10:58:02作者:裘旻烁
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来支持各种心理学实验范式。其中serial-reaction-time-mouse插件专门用于序列反应时任务的实现,这类实验常用于研究内隐学习和运动技能习得。
插件功能概述
serial-reaction-time-mouse插件实现了经典的序列反应时任务范式。在该任务中,参与者需要对屏幕上特定位置出现的刺激做出快速反应(通常通过鼠标点击)。刺激的出现位置遵循某种隐含的序列模式,研究者通过观察参与者的反应时变化来评估其对隐含序列的学习情况。
2.1.0版本主要更新
本次更新的核心内容是增加了对学术引用的支持,这是科研工具专业化的重要一步。具体实现了:
- 在每个插件的信息字段(info)中添加了引用属性(citations),支持APA和BibTeX两种标准引用格式
- 在jsPsych主包中新增了getCitations()函数,允许用户通过传入插件名称数组和引用格式字符串来生成规范的引用文本
- 插件模板默认包含引用字段,便于新插件的规范化开发
- 构建过程中会自动从插件根目录的.cff文件(如果有)生成引用信息
技术实现细节
引用系统的实现采用了模块化设计思路:
- 标准化处理:所有引用信息都统一转换为APA和BibTeX两种学术界最常用的格式,确保引用规范性
- 自动化生成:构建时自动处理.cff文件(Citation File Format),减少了手动维护引用信息的工作量
- 灵活调用:通过getCitations()函数提供编程式访问接口,开发者可以灵活地获取所需引用
- 默认包含:引用字段成为插件模板的标准配置,促进了整个生态的规范化
科研应用价值
这一更新对心理学实验研究具有重要意义:
- 学术规范性:使基于jsPsych的研究更容易满足学术出版的引用要求
- 研究可重复性:明确的引用信息有助于其他研究者准确描述实验工具
- 开发便利性:自动化引用生成减轻了研究者的技术负担
- 生态完整性:统一的引用标准提升了整个jsPsych生态系统的专业性
使用建议
对于研究者而言,在使用serial-reaction-time-mouse插件时:
- 应当使用getCitations()函数获取相关引用,并在论文方法部分予以说明
- 更新实验代码时注意引用格式的兼容性
- 如果是插件开发者,建议为自己的插件添加.cff文件以确保引用信息完整
这一更新体现了jsPsych向更专业、更规范的科研工具发展的趋势,为心理学和行为科学研究提供了更可靠的技术支持。
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
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