jsPsych插件virtual-chinrest 3.1.0版本发布:增强学术引用功能
jsPsych是一个广泛使用的开源JavaScript库,专门为心理学、神经科学和行为科学研究设计,用于构建基于浏览器的实验程序。它提供了丰富的插件系统,使研究人员能够轻松创建各种实验范式。
本次发布的3.1.0版本主要针对virtual-chinrest插件进行了重要更新,该插件用于在线上实验中模拟传统的视距调节装置,确保被试与屏幕保持标准距离,从而提高实验数据的可靠性。
核心更新内容
学术引用功能增强
3.1.0版本最重要的改进是增加了标准化的学术引用功能。现在每个插件都包含完整的引用信息,支持两种主流学术引用格式:
- APA格式:这是心理学领域最常用的引用格式
- BibTeX格式:广泛用于学术论文写作和参考文献管理
这些引用信息会自动从插件的CFF(Citation File Format)文件中提取,并在构建过程中集成到插件中。CFF是一种机器可读的格式,专门用于描述软件引用信息。
新增getCitations()方法
jsPsych核心库现在提供了一个便捷的getCitations()方法,研究人员可以通过以下方式使用:
// 获取特定插件的引用
const citations = jsPsych.getCitations(['virtual-chinrest'], 'apa');
// 获取多个插件的引用
const multipleCitations = jsPsych.getCitations(['virtual-chinrest', 'survey'], 'bibtex');
这个方法会自动将jsPsych核心库的引用放在首位,然后按照传入的插件顺序排列其他引用。输出结果是一个字符串,每个引用之间用换行符分隔,便于直接复制到论文中。
技术实现细节
构建流程改进
在构建过程中,系统会检查每个插件目录下的.cff文件。如果存在,构建工具会自动解析该文件并生成标准化的引用信息,然后将这些信息集成到最终构建的插件代码中。
数据结构变更
插件的信息结构(info字段)新增了citations属性,包含两种格式的引用信息。这种设计保持了向后兼容性,同时为学术引用提供了标准化的支持。
对研究实践的意义
这一改进对心理学和行为科学研究具有重要意义:
- 学术规范性:使研究者能够更规范地引用实验工具,符合开放科学的要求
- 便利性:简化了引用流程,研究者不再需要手动查找和格式化引用信息
- 透明度:提高了研究方法的透明度,便于其他研究者复现实验
使用建议
对于使用virtual-chinrest插件的研究者,建议在方法部分明确说明使用的插件版本,并使用新提供的引用功能生成标准引用。这有助于提高研究的可重复性和学术严谨性。
随着开放科学运动的推进,规范化的工具引用正成为学术出版的基本要求。jsPsych的这一更新及时响应了这一趋势,为研究者提供了更完善的工具支持。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0151- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112