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。
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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