jsPsych插件survey 2.1.0版本发布:增强学术引用功能
jsPsych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。该项目通过提供一系列模块化插件,简化了实验开发流程,使心理学研究者能够专注于实验设计而非编程实现。
survey插件2.1.0版本更新亮点
最新发布的survey插件2.1.0版本主要增强了学术引用功能,这是对科研工作者非常有价值的改进。该插件用于创建问卷调查页面,是心理学和行为科学研究中常用的数据收集工具。
学术引用功能增强
-
标准化引用格式:插件现在内置了APA和BibTeX两种标准学术引用格式,方便研究者在论文中规范引用。
-
自动化引用生成:通过jsPsych包中的getCitations()函数,用户可以轻松生成所需的引用文本。只需传入插件名称数组和所需的引用格式字符串,系统就会自动生成规范的引用内容。
-
智能引用排序:生成的引用列表总是优先显示jsPsych主库的引用,然后才是各个插件的引用,符合学术规范。
-
CFF文件支持:每个插件的引用信息自动从其根目录下的.cff文件生成,确保了引用信息的准确性和一致性。
技术实现细节
这一改进的实现涉及多个技术层面:
-
插件模板重构:所有插件模板现在默认包含citations字段,为引用功能提供结构化支持。
-
构建流程优化:在构建过程中,系统会自动从插件目录的.cff文件提取引用信息,并转换为标准格式。
-
引用输出格式化:getCitations()函数生成的引用文本使用换行符分隔各个引用,保持清晰可读的格式。
对研究工作的意义
这一更新对心理学和行为科学研究具有重要意义:
-
提高研究规范性:标准化的引用格式有助于研究者遵守学术规范,提高研究质量。
-
节省研究时间:自动化引用生成减少了研究者在文献引用上的时间投入。
-
促进研究可重复性:明确的引用信息有助于其他研究者准确了解实验使用的工具版本。
-
增强学术交流:标准化的引用格式便于研究成果在学术界的传播和交流。
使用建议
对于使用survey插件的研究者,建议:
-
在实验代码中明确记录使用的插件版本号。
-
在论文方法部分使用getCitations()生成的规范引用格式。
-
定期更新插件版本以获取最新的功能和改进。
-
对于团队研究项目,确保所有成员使用相同版本的插件以保证实验一致性。
这一更新体现了jsPsych项目对科研工作流程的深入理解和对学术规范的尊重,将进一步推动网络心理学实验方法的发展和应用。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
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
GOT-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。00