jsPsych插件free-sort 2.1.0版本发布:增强学术引用功能
jsPsych是一个广泛应用于心理学和行为科学研究中的JavaScript库,它允许研究人员在网页浏览器中创建和运行复杂的实验。该库通过模块化设计提供了丰富的插件系统,使研究人员能够轻松构建各种实验范式。
在最新的2.1.0版本中,free-sort插件引入了一项重要的学术功能改进——标准化引用系统。这一更新体现了jsPsych项目对学术规范和科学严谨性的重视。
引用功能的核心改进
2.1.0版本为free-sort插件及其他所有插件/扩展添加了标准化的引用信息字段。这一改进包含以下几个关键技术点:
-
内置引用格式:每个插件现在都包含APA和BibTeX两种标准引用格式的信息,这些信息存储在插件的info字段中。
-
自动化引用生成:在构建过程中,系统会自动从插件根目录下的.cff文件(如果有的话)提取引用信息,并生成标准化的引用格式。
-
便捷的引用获取:新增了getCitations()函数,研究人员可以通过简单的调用获取特定插件或扩展的引用信息。该函数接受两个参数:插件/扩展名称数组和所需的引用格式字符串。
技术实现细节
从技术角度看,这一改进涉及jsPsych构建系统的多个层面:
-
构建流程增强:在构建过程中,系统会扫描每个插件的目录,查找.cff文件(CITATION.cff格式),并自动将其转换为标准化的引用信息。
-
数据结构扩展:所有插件模板现在默认包含citations字段,确保引用信息的统一存储和访问。
-
引用输出标准化:getCitations()函数输出的引用字符串总是以jsPsych库本身的引用开头,随后是按行分隔的各个插件引用,保证了引用列表的完整性和规范性。
对研究实践的影响
这一改进为心理学和行为科学研究带来了几个实际好处:
-
提高研究透明度:研究人员可以更轻松地正确引用他们使用的实验工具,满足学术期刊对方法透明度的要求。
-
简化文献管理:支持BibTeX格式意味着研究人员可以直接将引用信息导入EndNote、Zotero等文献管理软件。
-
促进工具复用:标准化的引用系统使得基于jsPsych的研究更容易被他人理解和复现,促进了科学知识的积累和传播。
总结
jsPsych free-sort插件2.1.0版本的发布,特别是其引用系统的标准化,代表了开源科学软件在学术规范性方面的重要进步。这一改进不仅提升了工具本身的专业性,也为使用这些工具进行的研究提供了更好的学术支持。对于心理学和行为科学领域的研究人员来说,这意味着他们可以更专注于实验设计本身,而不必担心工具引用的技术细节。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
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