jsPsych插件canvas-button-response 2.1.0版本发布:增强学术引用功能
jsPsych是一个用于构建行为实验的JavaScript框架,广泛应用于心理学、神经科学等领域的研究。它提供了丰富的插件系统,允许研究人员快速构建各种实验范式。其中canvas-button-response插件是一个重要组件,它允许在Canvas画布上呈现刺激并收集被试的按钮响应。
核心更新内容
本次2.1.0版本的canvas-button-response插件主要引入了学术引用功能的增强:
-
标准化引用信息: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。
-
自动化引用生成:在构建过程中,系统会自动从插件根目录下的.cff文件中提取引用信息,并生成标准化的引用格式。
-
便捷引用功能:jsPsych核心包新增了getCitations()方法,研究人员可以通过简单的函数调用获取指定插件集合的格式化引用字符串。
技术实现细节
引用信息存储结构
每个插件现在都包含一个info字段,其中新增了citations属性。这个属性是一个对象,包含两种标准化的引用格式:
citations: {
apa: "标准APA格式的引用字符串",
bibtex: "标准BibTeX格式的引用字符串"
}
getCitations()方法
jsPsych核心包新增的getCitations()方法提供了便捷的引用生成功能。该方法接受两个参数:
- 插件/扩展名称数组:指定需要生成引用的插件集合
- 引用格式字符串:'apa'或'bibtex',指定输出格式
方法会返回一个字符串,其中包含所有指定插件的引用信息,每个引用用换行符分隔。值得注意的是,输出中总是首先包含jsPsych核心库的引用。
构建流程改进
在构建过程中,系统会自动扫描每个插件目录下的.cff文件(Citation File Format)。如果存在,系统会解析该文件并自动生成标准化的引用信息,将其整合到最终构建的插件代码中。
对研究实践的影响
这一更新为学术研究带来了几个重要优势:
-
引用标准化:确保研究中使用的工具得到正确引用,符合学术规范。
-
效率提升:研究人员不再需要手动查找和格式化每个插件的引用信息,节省了大量时间。
-
完整性保证:自动化的引用生成减少了遗漏重要引用的可能性。
-
格式统一:支持两种主流引用格式,满足不同期刊和机构的要求。
使用示例
研究人员现在可以这样获取实验中使用插件的引用信息:
// 获取canvas-button-response插件和其他插件的APA格式引用
const citations = jsPsych.getCitations(
['canvas-button-response', 'other-plugin'],
'apa'
);
// 输出结果将包含:
// 1. jsPsych核心库引用
// 2. canvas-button-response插件引用
// 3. other-plugin插件引用
console.log(citations);
总结
jsPsych canvas-button-response插件2.1.0版本的发布,特别是其增强的引用功能,体现了该项目对学术严谨性的重视。这一更新不仅简化了研究人员的文献引用工作流程,也提升了研究成果的可追溯性和可重复性。对于使用jsPsych进行行为实验研究的人员来说,这一改进将显著提高工作效率和引用准确性。
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 StartedJavaScript095- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00