jsPsych项目发布:视频按钮响应插件v2.1.0版本解析
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。该项目通过提供丰富的插件和工具,大大简化了心理学实验的开发流程,使得非专业程序员也能快速构建实验程序。
视频按钮响应插件v2.1.0版本更新
本次发布的视频按钮响应插件(video-button-response)版本2.1.0带来了一项重要的功能改进,主要涉及学术引用规范的增强。
新增引用功能
-
引用信息标准化:插件现在内置了标准化的引用信息,支持APA和BibTeX两种学术引用格式。这一改进使得研究人员在使用该插件时能够更方便地引用相关资源,符合学术规范要求。
-
引用生成功能:jsPsych核心包新增了getCitations()方法,用户可以通过传入插件名称数组和引用格式字符串,自动生成规范的引用文本。生成的引用会以换行符分隔,并始终将jsPsych库的引用放在首位。
-
自动化引用生成:在构建过程中,系统会自动从每个插件文件夹根目录下的.cff文件(如果存在)提取引用信息,并将其转换为标准格式嵌入到插件中。这一自动化流程确保了引用信息的准确性和一致性。
技术实现细节
-
插件模板更新:所有插件和扩展的模板现在默认包含引用信息字段,为开发者提供了标准化的引用信息存储结构。
-
引用数据存储:引用信息存储在插件的info字段中,以citations属性的形式存在,包含多种格式的引用文本。
-
构建流程集成:引用信息的提取和转换被集成到项目的构建流程中,确保每次构建都能获取最新的引用数据。
技术意义与应用价值
这一更新对于心理学研究领域具有重要意义:
-
学术规范性提升:通过内置引用功能,研究人员可以更轻松地遵循学术规范,正确引用所使用的实验工具。
-
研究可重复性增强:标准化的引用信息有助于其他研究者准确识别和复现实验程序。
-
开发效率提高:自动化引用生成减少了研究人员手动整理引用信息的工作量。
-
多格式支持:同时支持APA和BibTeX两种主流引用格式,满足不同期刊和学术场景的需求。
使用建议
对于使用该插件的研究人员:
-
在撰写论文方法部分时,建议使用getCitations()方法生成规范的引用文本。
-
如需修改或补充引用信息,可以通过编辑插件目录下的.cff文件来实现。
-
在引用多个插件时,建议按照实验中使用的重要程度排序引用顺序。
对于插件开发者:
-
新创建的插件应遵循标准模板,包含完整的引用信息字段。
-
建议为每个插件维护.cff文件,确保引用信息的准确性和完整性。
总结
jsPsych视频按钮响应插件v2.1.0版本的发布,标志着该项目在学术规范性方面迈出了重要一步。通过标准化的引用功能和自动化的工作流程,不仅提升了心理学研究的严谨性,也为研究者提供了更加便捷的工具支持。这一更新体现了jsPsych项目团队对科研社区需求的敏锐洞察和对学术规范的重视,将进一步推动网络心理学实验的发展和应用。
- 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
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
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~062CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava05GitCode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









