jsPsych项目发布新版本:图像按钮响应插件升级至2.1.0
2025-07-06 03:05:14作者:仰钰奇
jsPsych是一个用于构建心理学实验的JavaScript库,它提供了丰富的插件来支持各种实验范式。最近,jsPsych项目发布了图像按钮响应插件(image-button-response)的2.1.0版本,这个版本主要增加了对学术引用的支持,使得研究者可以更方便地引用他们使用的插件。
新版本核心特性
2.1.0版本的核心改进是为所有插件和扩展添加了引用信息属性。具体来说:
- 每个插件现在都包含一个引用信息字段(citations),支持APA和BibTeX两种引用格式
- jsPsych包中新增了getCitations()函数,用户可以通过传入插件名称数组和引用格式字符串来生成引用信息
- 插件模板现在默认包含引用字段
- 构建过程中会自动从插件根目录的.cff文件(如果有的话)生成引用信息
- getCitations()函数会以字符串形式输出引用,每个引用用换行符分隔,并且总是首先输出jsPsych库本身的引用
技术实现细节
这个版本的改进主要涉及以下几个方面:
-
引用信息标准化:通过.cff文件(Citation File Format)来管理插件的引用信息,这是一种机器可读的引用格式标准,可以方便地转换为各种引用样式。
-
自动化构建流程:在构建过程中自动从.cff文件生成引用信息,确保引用信息的准确性和一致性。
-
多格式支持:同时支持APA和BibTeX两种常用的引用格式,满足不同期刊和学术场景的需求。
-
易用性设计:通过getCitations()函数提供简单直观的API,让研究者可以轻松获取所需的引用信息。
对研究实践的影响
这一改进对心理学实验研究具有重要意义:
-
学术规范性:研究者现在可以更方便地正确引用他们使用的实验工具,符合学术伦理要求。
-
可重复性:明确的引用信息有助于其他研究者了解实验的具体实现细节,提高研究的可重复性。
-
效率提升:自动生成的引用信息减少了研究者手动查找和格式化引用的工作量。
-
完整性:不仅提供主库的引用,还提供具体插件的引用,使文献引用更加全面准确。
使用建议
对于使用jsPsych进行研究的研究者,建议:
- 在方法部分明确说明使用了jsPsych及其具体插件版本
- 使用getCitations()函数生成完整的引用信息
- 定期更新插件版本以获取最新的功能和改进
- 如果对插件进行了修改,应考虑更新.cff文件以反映这些变更
这个版本的发布体现了jsPsych项目对学术规范的重视,也展示了开源科学软件如何通过技术创新来支持高质量的研究实践。
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++
638
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
148
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
226
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