jsPsych插件fullscreen 2.1.0版本发布:心理学实验全屏控制新特性
项目简介
jsPsych是一个基于JavaScript的开源库,专门用于构建在浏览器中运行的心理学和行为学实验。它提供了丰富的插件系统,使研究人员能够轻松创建各种实验范式,如反应时间任务、问卷调查等。其中,fullscreen插件是jsPsych生态系统中用于控制浏览器全屏显示的重要组件。
fullscreen插件2.1.0版本更新内容
最新发布的fullscreen插件2.1.0版本主要引入了一项重要改进:为所有插件和扩展添加了规范的引用信息。这一变化体现了jsPsych团队对学术规范的重视,也使得研究者在撰写论文时能够更方便地引用所使用的工具。
引用信息标准化
-
新增引用属性:在每个插件和扩展的info字段中,现在包含了标准化的citation属性,支持APA和BibTeX两种引用格式。
-
自动生成机制:构建过程中,系统会自动从插件根目录下的.cff文件(如果存在)生成引用信息,确保了引用数据的准确性和一致性。
-
便捷引用功能:jsPsych包中新增了getCitations()函数,研究者只需传入插件/扩展名称数组和所需的引用格式字符串,即可快速生成规范的引用文本。
技术实现细节
引用系统架构
jsPsych团队设计了一个智能的引用生成系统:
-
数据源处理:系统优先读取.cff文件(Citation File Format),这是一种专门用于描述软件引用的标准格式。如果.cff文件不存在,则使用预设的基本引用信息。
-
格式转换引擎:内置了APA和BibTeX格式的转换逻辑,确保生成的引用符合各自格式的规范要求。
-
输出标准化:getCitations()函数总是首先输出jsPsych主库的引用,然后按照传入顺序输出各插件的引用,用换行符分隔,形成清晰可用的引用文本块。
开发者体验优化
对于插件开发者:
-
模板更新:新的插件模板默认包含citations字段,开发者只需维护.cff文件即可。
-
构建自动化:引用信息生成完全集成在构建流程中,开发者无需额外操作。
对于研究者用户:
-
一键引用:通过简单的函数调用即可获取完整引用,大大减少了手动整理参考文献的工作量。
-
格式可选:支持心理学领域最常用的两种引用格式,满足不同期刊的要求。
应用场景与最佳实践
实验开发中的应用
-
全屏控制:fullscreen插件常用于需要严格控制显示环境的实验,如视觉感知研究,确保参与者的注意力集中。
-
引用管理:在新版本中,研究者可以在实验代码中直接调用getCitations()获取所用插件的规范引用,避免遗漏。
学术写作建议
-
引用完整性:建议在方法部分同时引用jsPsych主库和所使用的特定插件,以完整描述实验工具。
-
版本明确:在引用时应注明使用的插件版本号,如本插件的2.1.0版本,确保研究的可重复性。
总结
jsPsych的fullscreen插件2.1.0版本通过引入标准化的引用系统,进一步提升了这一心理学实验工具的学术严谨性。这一改进不仅方便研究者规范引用,也反映了开源科学软件对学术诚信的重视。对于使用jsPsych进行行为实验研究的人员来说,升级到新版本将有助于提高研究工作的规范性和效率。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedJavaScript097- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00