jsPsych插件categorize-animation 2.1.0版本发布解析
jsPsych是一个广泛应用于心理学实验的JavaScript库,它提供了丰富的插件来帮助研究人员快速构建在线行为实验。其中categorize-animation插件是用于分类动画任务的常用工具,最新发布的2.1.0版本带来了一项重要的改进。
插件功能概述
categorize-animation插件主要用于创建分类学习实验中的动画刺激呈现任务。在该任务中,参与者需要观看一系列动画刺激,并根据某些特征将这些刺激分类到不同的类别中。这种范式常用于研究类别学习、决策制定和记忆等认知过程。
2.1.0版本核心改进
本次更新的主要变化是增加了对学术引用的支持,这一改进体现在以下几个方面:
-
标准化引用信息:现在每个插件都包含了一个citations属性,该属性提供了两种标准化的引用格式(APA和BibTeX),方便研究者在发表论文时正确引用所使用的插件。
-
自动化引用生成:插件构建过程中会自动从插件根目录下的.cff文件中提取引用信息,并将其转换为标准化的引用格式。这种自动化流程确保了引用信息的准确性和一致性。
-
便捷的引用获取:jsPsych库新增了getCitations()函数,研究者只需提供插件名称数组和所需的引用格式,就能快速生成规范的引用文本。该函数会自动将jsPsych库本身的引用放在首位,然后依次列出各插件的引用。
技术实现细节
从技术角度看,这次更新涉及以下关键点:
-
数据结构扩展:插件的信息字段(info)新增了citations属性,这是一个包含多种引用格式的对象。
-
构建流程增强:在插件构建过程中,系统会检查是否存在.cff文件(CITATION.cff),如果存在则自动解析并转换为标准引用格式。
-
实用函数添加:getCitations()函数提供了灵活的引用生成方式,支持按需选择特定插件和引用格式。
对研究实践的意义
这一改进对心理学和认知科学研究具有重要意义:
-
学术规范性:使研究者能够更方便地遵循学术规范,正确引用实验工具。
-
研究可重复性:明确的引用信息有助于其他研究者准确了解实验所使用的工具版本,提高研究的可重复性。
-
工作效率提升:自动化生成引用节省了研究者手动整理引用格式的时间。
使用建议
对于使用该插件的研究者,建议:
-
在实验代码中明确标注所使用的插件版本号。
-
在论文方法部分使用getCitations()生成的规范引用来描述实验工具。
-
更新实验时注意检查引用信息是否随之更新。
总结
jsPsych的categorize-animation插件2.1.0版本通过引入标准化的引用支持,进一步提升了这一心理学实验工具的学术严谨性和实用性。这一改进不仅方便研究者正确引用,也有助于提高心理学研究的透明度和可重复性标准。对于使用动画分类任务的研究者来说,升级到这一版本将能更好地满足学术发表的要求。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~062CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava05GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









