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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~059CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
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!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









