jsPsych项目发布:survey-likert插件2.1.0版本更新解析
jsPsych是一个用于构建行为实验的JavaScript库,它允许研究人员和开发者在网页浏览器中创建心理学、神经科学等领域的实验。该项目通过模块化的插件系统提供了丰富的实验组件,使实验构建变得简单高效。
本次发布的2.1.0版本是survey-likert插件的一个小版本更新,主要增加了对学术引用的支持功能。survey-likert插件是jsPsych中用于创建李克特量表(Likert scale)调查问卷的核心组件,广泛应用于心理学实验中的态度、观点等主观测量。
核心更新内容
2.1.0版本最重要的改进是为所有插件和扩展添加了标准化的引用信息支持。这一更新体现了jsPsych对学术规范的重视,使研究者能够更方便地引用所使用的实验工具。
引用系统实现细节
-
引用属性集成:每个插件现在都包含一个
citations属性,存储了该组件的APA和BibTeX两种格式的引用信息。这些引用信息会自动从插件目录中的.cff文件生成,确保了引用信息的准确性和一致性。 -
引用获取功能:jsPsych核心包新增了
getCitations()函数,研究者可以通过指定插件名称数组和引用格式字符串来获取特定实验使用的所有组件的规范引用。 -
模板标准化:插件模板默认包含了引用字段,新开发的插件将自动支持引用功能,保持了整个生态系统的统一性。
技术意义与应用价值
这一更新从技术角度看实现了:
-
自动化引用生成:通过构建过程自动从.cff文件提取引用信息,减少了手动维护的工作量,同时避免了人为错误。
-
多格式支持:同时支持APA和BibTeX两种学术引用格式,满足了不同期刊和参考文献管理系统的需求。
-
模块化设计:引用系统设计为非侵入式,不影响原有实验功能,保持了jsPsych的轻量级特性。
对于研究者而言,这一改进:
- 简化了实验方法部分关于工具描述的撰写工作
- 提高了实验工具引用的准确性和规范性
- 便于追踪和评估特定插件的使用情况
使用建议
在实际研究中,建议开发者在实验代码中:
- 明确记录使用的所有jsPsych插件
- 通过
getCitations()函数生成完整的引用列表 - 将引用信息包含在实验报告或论文的方法部分
对于需要自定义插件的研究团队,现在应该:
- 为新插件创建.cff文件
- 确保构建过程能够正确提取引用信息
- 测试生成的引用是否符合学术规范
总结
jsPsych 2.1.0版本的survey-likert插件更新,通过引入标准化的引用系统,进一步提升了这一实验工具在学术研究中的规范性和可用性。这一改进不仅体现了项目团队对学术严谨性的追求,也为研究者提供了更加完善的工具支持,有助于提高心理学和相关领域研究的透明度和可重复性。
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