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 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