jsPsych插件@jspsych/plugin-iat-image 2.1.0版本发布解析
项目简介
jsPsych是一个基于JavaScript的开源心理学实验框架,它允许研究人员和开发者在网页浏览器中创建复杂的心理学实验。该框架采用模块化设计,通过插件系统提供各种实验任务的功能实现,大大简化了心理学实验的开发流程。
插件功能概述
@jspsych/plugin-iat-image是jsPsych框架中的一个重要插件,专门用于实现内隐联想测验(Implicit Association Test, IAT)的图像版本。IAT是一种广泛使用的心理学测量工具,用于评估个体对不同概念之间的自动联想强度。该插件通过呈现图像刺激而非文字刺激,扩展了IAT的应用范围。
2.1.0版本更新亮点
本次2.1.0版本的更新主要聚焦于学术引用功能的增强,体现了jsPsych团队对科研规范性的重视。以下是具体的更新内容:
-
标准化引用系统:所有插件和扩展现在都包含标准化的引用信息字段,支持APA和BibTeX两种主流引用格式。
-
自动化引用生成:构建过程中会自动从插件的.cff文件中提取引用信息,确保引用数据的准确性和一致性。
-
便捷引用功能:新增的getCitations()方法允许用户通过简单的函数调用生成所需的引用格式,极大简化了实验报告的撰写流程。
技术实现细节
在技术实现上,本次更新涉及以下几个关键点:
-
插件模板重构:所有插件模板现在默认包含citations字段,确保新开发的插件从一开始就支持引用功能。
-
构建流程增强:在构建过程中,系统会自动扫描插件目录下的.cff文件,提取元数据并转换为标准化的引用格式。
-
引用输出标准化:getCitations()方法总是优先输出jsPsych库本身的引用,然后按照用户指定的顺序输出各插件的引用,使用换行符分隔不同引用,确保格式清晰。
对研究实践的影响
这一更新对心理学研究实践具有多重意义:
-
提升学术规范性:研究者可以更便捷地正确引用所使用的实验工具,符合学术伦理要求。
-
简化工作流程:自动生成的引用格式减少了手动整理文献的工作量,让研究者更专注于实验设计和数据分析。
-
促进工具复用:明确的引用信息有助于其他研究者了解实验工具的具体来源,促进研究的可重复性。
使用建议
对于使用该插件的研究者,建议:
-
在实验代码中合理使用getCitations()方法,确保实验报告中包含完整的工具引用信息。
-
开发自定义插件时,遵循jsPsych的模板规范,包含必要的.cff文件,以便自动生成引用信息。
-
定期更新插件版本,以获取最新的功能改进和错误修复。
总结
@jspsych/plugin-iat-image 2.1.0版本的发布,不仅完善了IAT图像测试的功能,更重要的是通过引入标准化的引用系统,提升了心理学研究的规范性和透明度。这一更新反映了jsPsych项目对学术严谨性的承诺,也为研究者提供了更加便捷、规范的实验工具。随着心理学研究越来越重视可重复性和开放性,这样的改进无疑将促进更高质量的科学研究。
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。C046
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TSX0123
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