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。
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 StartedRust0152- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112