JsPsych插件audio-keyboard-response 2.1.0版本发布解析
2025-07-06 14:59:48作者:裘晴惠Vivianne
项目简介
JsPsych是一个用于在网页浏览器中运行心理学实验的JavaScript库。它提供了一系列插件,使研究人员能够轻松创建各种实验范式。其中,audio-keyboard-response插件专门用于播放音频刺激并收集被试通过键盘做出的反应。
版本更新亮点
2.1.0版本为audio-keyboard-response插件引入了一个重要的新功能——标准化引用信息支持。这一改进使得研究人员能够更方便地引用他们在实验中使用的方法和工具。
技术细节解析
引用信息标准化
新版本在每个插件中增加了标准化的引用信息字段,包含两种主流引用格式:
- APA格式:适合心理学领域论文引用
- BibTeX格式:适合LaTeX文档引用系统
这些引用信息是自动生成的,基于插件根目录下的.cff文件(Citation File Format)。在构建过程中,系统会自动读取这些信息并整合到插件中。
新增API功能
jsPsych包新增了一个实用函数getCitations(),研究人员可以通过以下方式使用:
const citations = jsPsych.getCitations(['audio-keyboard-response'], 'apa');
这个函数会返回格式化后的引用字符串,其中:
- 第一个参数是插件名称数组
- 第二个参数指定引用格式('apa'或'bibtex')
值得注意的是,函数总是会首先输出jsPsych核心库的引用,然后是各插件的引用,每个引用之间用换行符分隔。
技术意义
这一改进为学术研究带来了几个重要优势:
- 学术规范性:使研究者能够轻松符合学术引用规范
- 研究可重复性:明确标注实验工具版本和来源
- 工作效率:自动化生成引用,减少手动查找和格式化的时间成本
- 标准化:统一了jsPsych生态系统的引用方式
使用建议
对于使用audio-keyboard-response插件的研究人员,建议:
- 在方法部分明确说明使用了该插件及其版本号
- 使用getCitations()函数生成标准引用
- 定期检查插件更新,以获取最新的功能改进和错误修复
总结
audio-keyboard-response 2.1.0版本的发布,体现了jsPsych项目对学术研究规范性的重视。通过标准化引用系统,不仅提升了研究工作的专业性,也为心理学实验的可重复性研究提供了更好的支持。这一改进将特别有利于需要进行学术发表的研究人员,帮助他们更轻松地满足出版物的引用要求。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-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。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
311
2.72 K
deepin linux kernel
C
24
7
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
638
242
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
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!
C
1.03 K
469
Ascend Extension for PyTorch
Python
148
175
暂无简介
Dart
604
135
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
226
81
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
363
2.99 K
React Native鸿蒙化仓库
JavaScript
236
310