jsPsych项目发布:图像滑块响应插件2.1.0版本解析
2025-07-06 21:03:57作者:羿妍玫Ivan
项目简介
jsPsych是一个用于构建行为实验的JavaScript库,广泛应用于心理学、神经科学等领域的研究。它提供了丰富的插件系统,允许研究人员轻松创建各种实验范式。图像滑块响应插件(@jspsych/plugin-image-slider-response)是其中常用的一个组件,用于展示图像并收集被试通过滑块进行的响应。
版本更新亮点
最新发布的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,也大大方便了研究人员的论文写作。
新增功能详解
标准化的引用系统
- 引用格式支持:插件现在内置了APA和BibTeX两种标准引用格式
- 引用获取方式:通过jsPsych包中的getCitations()函数可以轻松获取引用信息
- 自动化生成:引用信息在构建过程中自动从插件的.cff文件中生成
技术实现细节
在底层实现上,每个插件现在都包含一个citations属性,存储在其info字段中。这个属性包含了该插件的完整引用信息。开发团队建立了一个自动化流程,在构建过程中会检查每个插件根目录下的.cff文件(Citation File Format),并据此生成标准化的引用数据。
使用方法示例
研究人员现在可以通过以下方式获取插件引用:
// 获取单个插件的APA格式引用
const citation = jsPsych.getCitations(['image-slider-response'], 'apa');
// 获取多个插件的BibTeX格式引用
const citations = jsPsych.getCitations(
['image-slider-response', 'html-keyboard-response'],
'bibtex'
);
系统会自动将jsPsych核心库的引用放在首位,然后按照传入的插件顺序排列其他引用,每个引用之间用换行符分隔。
对研究实践的影响
这一改进为学术研究带来了几个实际好处:
- 引用规范化:确保研究中使用的工具得到正确引用
- 节省时间:研究人员不再需要手动查找和格式化插件引用
- 提高透明度:使研究方法部分可以更详细准确地描述技术实现
- 促进可重复性:其他研究者可以更轻松地复现实验设置
技术意义
从技术架构角度看,这一变化体现了jsPsych的几个设计理念:
- 开发者友好:通过自动化流程减轻插件维护者的负担
- 学术严谨:将学术规范直接融入技术实现中
- 可扩展性:引用系统设计考虑了未来可能增加的其他引用格式
- 一致性:所有插件采用统一的引用信息处理方式
升级建议
对于现有项目,升级到2.1.0版本是一个低风险的过程,因为主要变化是添加功能而非修改现有行为。研究人员可以在以下情况考虑升级:
- 准备撰写论文时需要引用实验工具
- 希望保持插件的最新状态
- 需要与其他使用新版插件的研究保持一致性
总结
jsPsych图像滑块响应插件2.1.0版本的发布,虽然从表面看只是添加了引用功能,但实际上反映了开源科研软件对学术规范的重视。这种将学术引用直接集成到代码库中的做法,为心理学和行为科学研究提供了更好的技术支持,也代表了科研工具开发的一个值得关注的方向。
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