jsPsych项目中的WebGazer眼动追踪扩展升级至1.2.0版本
jsPsych是一个基于JavaScript的开源心理学实验框架,它允许研究人员在浏览器中创建和运行行为实验。该框架提供了丰富的插件和扩展,支持各种心理学实验范式,包括反应时间测量、问卷调查、视觉搜索任务等。其中,WebGazer扩展是jsPsych中用于实现基于浏览器的眼动追踪功能的重要组件。
1.2.0版本主要更新内容
在最新的1.2.0版本中,WebGazer扩展引入了一项重要改进——增加了引用信息支持。这一更新使得研究人员能够更方便地引用他们在实验中使用的插件和扩展。
引用信息标准化
1.2.0版本为所有插件和扩展添加了标准化的引用信息字段,包括两种常见的引用格式:
- APA格式:心理学领域广泛使用的引用格式
- BibTeX格式:LaTeX文档中常用的引用格式
这些引用信息会自动从每个插件/扩展根目录下的.cff文件(Citation File Format)生成,并在构建过程中整合到插件中。这种自动化处理确保了引用信息的准确性和一致性。
新增getCitations()功能
jsPsych核心包中新增了一个实用函数getCitations(),它允许用户通过以下方式生成引用:
- 第一个参数传入插件/扩展名称数组
- 第二个参数指定所需的引用格式(如"apa"或"bibtex")
该函数会返回一个字符串,其中包含所有请求的引用,每个引用用换行符分隔。值得注意的是,函数总是会首先输出jsPsych库本身的引用,然后再输出其他插件/扩展的引用。
技术实现细节
引用信息集成
在构建过程中,系统会检查每个插件/扩展目录下的.cff文件。如果存在,就会自动解析该文件并生成相应的引用信息。这些信息随后被整合到插件的info字段中,作为citations属性存在。
模板更新
所有插件/扩展的模板现在默认包含citations字段,这使得新创建的插件从一开始就支持引用功能。这种设计体现了jsPsych团队对学术规范性的重视。
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:
- 学术规范性提升:研究人员现在可以更方便地正确引用他们使用的工具,符合学术伦理要求。
- 工作流程简化:自动生成的引用信息减少了手动查找和格式化引用的工作量。
- 透明度增强:实验代码中直接包含所用工具的引用信息,提高了研究的可重复性和透明度。
使用建议
对于使用WebGazer扩展的研究人员,建议:
- 在实验代码中使用getCitations()函数生成完整的引用信息
- 将生成的引用信息包含在实验报告或论文的方法部分
- 定期更新jsPsych及其扩展,以获取最新的引用信息和其他改进
这一更新体现了jsPsych项目对开放科学和学术规范的持续承诺,同时也展示了该项目在技术实现上的成熟度。通过简化引用流程,jsPsych进一步降低了研究人员的技术门槛,使他们能够更专注于实验设计本身。
- 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
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
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~059CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode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









