jsPsych项目canvas-slider-response插件2.1.0版本发布解析
jsPsych是一个用于构建行为实验的JavaScript库,广泛应用于心理学、神经科学等领域的在线实验开发。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。
核心更新内容
本次发布的canvas-slider-response插件2.1.0版本主要引入了一项重要改进:标准化引用功能。这一更新使得研究人员能够更方便地引用他们使用的插件和jsPsych库本身。
引用系统增强
新版本在每个插件中增加了标准化的引用信息字段,包含两种主流引用格式:
- APA格式:心理学领域常用的引用格式
- BibTeX格式:学术写作和参考文献管理工具广泛支持的格式
这些引用信息是自动生成的,基于每个插件根目录下的.cff文件(Citation File Format)。在构建过程中,系统会自动解析这些文件并生成相应的引用内容。
新增功能详解
-
插件元数据增强: 每个插件现在都包含一个
citations
属性,存储了该插件的标准引用信息。这使得研究人员可以轻松获取他们使用的每个插件的正确引用方式。 -
全局引用功能: jsPsych库新增了
getCitations()
方法,允许用户通过以下方式获取引用:// 获取特定插件的引用 const citations = jsPsych.getCitations(['canvas-slider-response'], 'apa'); // 获取多个插件的引用 const multipleCitations = jsPsych.getCitations(['plugin1', 'plugin2'], 'bibtex');
-
自动引用生成: 在构建过程中,系统会自动扫描插件的.cff文件并生成标准化的引用信息,确保引用数据的准确性和一致性。
技术实现细节
这一更新的技术实现涉及几个关键方面:
-
构建流程修改: 在构建过程中添加了新的处理步骤,用于解析.cff文件并生成引用信息。
-
模板系统更新: 插件模板现在默认包含citations字段,确保新创建的插件从一开始就支持引用功能。
-
引用格式标准化: 系统确保生成的引用符合学术出版的标准格式要求,包括作者、标题、版本号等必要信息。
对研究实践的影响
这一更新对心理学和行为科学研究具有重要意义:
-
学术诚信: 使研究人员能够更轻松地正确引用他们使用的工具,符合学术规范。
-
研究可重复性: 明确的版本和引用信息有助于其他研究者准确复现实验设置。
-
工作流程简化: 研究人员不再需要手动查找和格式化引用信息,节省了时间并减少了错误。
使用建议
对于使用canvas-slider-response插件的研究人员,建议:
- 在方法部分明确说明使用的插件版本
- 使用新的getCitations()方法生成标准引用
- 同时引用jsPsych主库和特定插件
- 在更新研究材料时检查引用信息是否需要更新
这一更新体现了jsPsych项目对学术规范和研究者需求的重视,使得基于web的行为实验更加规范化和专业化。
- 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
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
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~062CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava05GitCode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









