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。
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 StartedRust0152- 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