jsPsych扩展插件@jspsych/extension-record-video 1.2.0版本发布解析
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。该框架提供了丰富的插件系统,其中@jspsych/extension-record-video是一个用于录制视频的扩展插件,特别适合需要记录参与者面部表情或屏幕操作的心理学实验场景。
1.2.0版本核心更新
本次1.2.0版本的主要改进集中在学术引用功能的增强上,具体体现在以下几个方面:
-
标准化引用系统:为所有插件和扩展添加了标准化的引用属性,支持APA和BibTeX两种主流引用格式。
-
动态引用生成:新增了getCitations()函数,允许用户通过传入插件/扩展名称数组和引用格式字符串,动态生成规范的学术引用。
-
自动化引用管理:构建过程中会自动从插件的.cff文件中提取引用信息,简化了维护工作流程。
技术实现细节
引用属性集成
每个插件和扩展现在都包含一个citations字段,该字段在构建时自动填充。这个设计使得引用信息成为插件元数据的一部分,与插件代码紧密集成。
引用生成函数
新引入的getCitations()函数具有以下特点:
- 总是首先输出jsPsych核心库的引用
- 支持批量处理多个插件/扩展的引用
- 输出格式为字符串,各引用间用换行符分隔
- 目前支持APA和BibTeX两种格式
构建流程改进
构建系统现在会自动扫描插件目录下的.cff文件(Citation File Format),从中提取必要的引用信息并转换为标准化的内部表示。这种设计确保了引用信息的准确性和一致性。
实际应用价值
这一更新对心理学研究者具有重要价值:
-
学术合规性:使实验程序能够自动生成符合学术规范的引用,满足出版要求。
-
研究可重复性:标准化的引用格式有助于其他研究者准确识别和复现实验中使用的方法工具。
-
工作效率提升:自动化引用生成减少了研究者在撰写方法部分时的手动工作。
开发者建议
对于基于jsPsych进行开发的科研人员:
-
更新到最新版本后,可以使用getCitations()函数方便地在实验介绍部分展示所用工具的引用信息。
-
对于自定义插件开发,建议在插件目录中添加.cff文件以确保引用信息能被正确识别。
-
在撰写研究论文时,可以直接使用插件生成的引用格式,确保格式规范统一。
总结
@jspsych/extension-record-video 1.2.0版本的发布,通过引入标准化的引用系统,进一步提升了jsPsych框架在学术研究中的适用性和专业性。这一改进不仅简化了研究者的工作流程,也增强了心理学实验工具的透明度和可追溯性,是开源科研软件发展的一个典范。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00