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。
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