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。
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。C026
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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