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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00