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。
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