jsPsych项目发布:html-audio-response插件2.1.0版本解析
jsPsych是一个广泛应用于心理学实验的JavaScript库,它允许研究人员在网页浏览器中创建和运行行为实验。该库通过模块化的插件系统提供了丰富的实验范式支持,使心理学实验的编程变得更加高效和标准化。
本次发布的2.1.0版本是html-audio-response插件的一个重要更新。这个插件专门用于收集被试对音频刺激的响应,是听觉实验研究中的重要工具。新版本主要增加了对学术引用的支持,体现了jsPsych项目对科研规范性的重视。
核心更新内容
学术引用功能增强
2.1.0版本最显著的改进是为所有插件和扩展添加了标准化的引用信息。这一功能通过以下方式实现:
-
内置引用属性:每个插件现在都包含一个
citations属性,存储了该插件的APA和BibTeX两种格式的引用信息。 -
引用生成函数:jsPsych主包新增了
getCitations()函数,研究人员可以通过传入插件名称数组和引用格式字符串,方便地生成所需的引用列表。 -
自动化引用生成:构建过程中,系统会自动从插件目录下的.cff文件中提取引用信息,确保引用数据的准确性和一致性。
技术实现细节
引用数据存储结构
每个插件的info字段现在包含标准化的引用信息,采用以下结构:
info: {
// ...其他原有字段
citations: {
apa: "标准APA格式的引用字符串",
bibtex: "标准BibTeX格式的引用字符串"
}
}
引用生成函数使用示例
研究人员可以通过简单调用获取引用:
// 获取jsPsych主库和html-audio-response插件的APA格式引用
const citations = jsPsych.getCitations(['jspsych', 'html-audio-response'], 'apa');
该函数会自动将jsPsych主库的引用排在首位,随后是按传入顺序排列的插件引用,各引用间用换行符分隔。
对研究实践的影响
这一更新为心理学实验研究带来了几个重要优势:
-
规范化引用:确保研究中使用的工具得到恰当引用,符合学术伦理要求。
-
引用便利性:研究人员不再需要手动查找和格式化插件引用,减少了准备工作量。
-
一致性保证:自动化生成的引用格式统一,避免了人为错误。
-
透明度提升:实验代码中明确包含了所用工具的版本和引用信息,提高了研究的可重复性。
开发者建议
对于基于jsPsych进行实验开发的研究人员:
-
更新到新版本后,可以方便地在实验介绍或方法部分加入标准化的工具引用。
-
建议在实验代码中保留getCitations()的输出,作为实验材料的一部分。
-
对于自行开发的插件,可以参照相同模式添加.cff文件,实现引用信息的自动化管理。
这一更新体现了jsPsych项目对科研规范性的持续关注,使得基于浏览器的心理学实验更加符合学术出版的标准要求,同时也为研究人员提供了更完善的工作流程支持。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0127
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00