jsPsych插件categorize-image 2.1.0版本发布:强化心理学实验的图片分类功能
项目简介
jsPsych是一个基于JavaScript的开源库,专门用于创建在浏览器中运行的心理学实验。它提供了一系列插件,使研究人员能够轻松构建各种实验范式,从简单的反应时间任务到复杂的认知评估。其中,categorize-image插件是用于图片分类实验的重要工具,允许参与者对呈现的图片进行分类响应。
2.1.0版本核心更新
本次2.1.0版本的更新主要集中在学术引用功能的增强上,体现了jsPsych团队对学术规范性的重视。具体更新内容包括:
-
标准化引用系统:所有插件和扩展现在都包含标准化的引用信息字段,支持APA和BibTeX两种主流引用格式。
-
新增getCitations()函数:jsPsych包中新增了这个实用函数,研究人员可以通过简单的调用自动生成所需的引用信息。使用方式为传入插件/扩展名称数组作为第一个参数,引用格式字符串作为第二个参数。
-
自动化引用生成:构建过程中,系统会自动从每个插件/扩展根目录下的.cff文件中提取引用信息,并生成标准化的引用格式。
-
智能引用排序:getCitations()函数会智能地将jsPsych库本身的引用放在首位,然后按照用户指定的顺序排列其他插件/扩展的引用,各引用间用换行符分隔。
技术实现细节
在底层实现上,jsPsych团队采用了以下技术方案:
-
结构化元数据:每个插件现在都包含完整的元信息结构,其中citation字段存储了标准化的引用数据。
-
构建时处理:在项目构建阶段,系统会扫描各插件目录下的.cff文件(Citation File Format),这是一种专门用于描述软件引用的标准格式,自动转换为插件内部的引用信息。
-
动态引用生成:getCitations()函数提供了灵活的接口,支持按需生成特定格式的引用文本,方便研究人员直接复制到论文中。
对研究实践的影响
这一更新对心理学实验研究具有实际意义:
-
提升学术规范性:简化了正确引用实验工具的流程,有助于提高研究的可重复性和学术诚信。
-
节省研究人员时间:自动生成的引用格式避免了手动整理引用的繁琐工作,减少了格式错误的风险。
-
标准化实验报告:统一的引用方式使得不同研究之间更容易比较方法和工具。
使用建议
对于使用categorize-image插件的研究人员:
-
在实验代码中,可以通过jsPsych.getCitations()方便地获取所有使用插件的规范引用。
-
建议在实验方法部分明确说明使用的jsPsych版本及插件版本,以增强研究的透明度。
-
对于自行修改过的插件,应当更新.cff文件以反映修改情况。
总结
jsPsych的categorize-image插件2.1.0版本通过引入系统化的引用功能,进一步提升了这个心理学实验工具的学术严谨性。这一更新不仅体现了开发团队对研究规范的重视,也为广大心理学研究者提供了更加便捷、规范的实验工具。随着jsPsych生态系统的不断完善,它将继续为在线行为研究提供可靠的技术支持。
- 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~061CommonUtilLibrary
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









