jsPsych插件survey-text 2.1.0版本发布:增强学术引用功能
项目简介
jsPsych是一个基于JavaScript的开源库,专门用于构建行为实验。它提供了一系列插件,使研究人员能够轻松创建心理学、神经科学等领域的在线实验。其中survey-text插件用于创建文本输入调查问卷,是收集被试自由文本反馈的重要工具。
版本更新亮点
最新发布的survey-text插件2.1.0版本主要增强了学术引用功能,这是科研工具中非常重要的一个方面。更新内容包括:
-
标准化引用信息:现在每个插件都包含了标准化的APA和BibTeX两种格式的引用信息,方便研究人员在论文中规范引用。
-
新增getCitations()函数:jsPsych核心包中新增了这个实用函数,允许用户通过简单的调用获取特定插件或扩展的引用信息。
-
自动化引用生成:构建过程中会自动从插件的.cff文件(引用文件格式)中提取引用信息,确保引用数据的准确性和一致性。
技术实现细节
引用信息结构
每个插件现在都包含一个info字段,其中新增了citations属性。这个属性以对象形式存储了两种标准引用格式:
citations: {
apa: "标准APA格式的引用字符串",
bibtex: "BibTeX格式的引用字符串"
}
getCitations()函数使用
研究人员可以通过以下方式获取引用:
// 获取单个插件的APA格式引用
const citation = jsPsych.getCitations(['survey-text'], 'apa');
// 获取多个插件的BibTeX格式引用
const citations = jsPsych.getCitations(['survey-text', 'another-plugin'], 'bibtex');
函数会自动将jsPsych库本身的引用放在首位,然后按照传入的插件顺序排列其他引用,每个引用之间用换行符分隔。
对研究实践的意义
这一更新对科研工作者具有重要价值:
-
规范化研究:确保实验工具得到适当引用,符合学术规范。
-
提高效率:自动生成的引用格式避免了手动编写可能出现的错误。
-
透明度:明确标注使用的工具版本,提高研究的可重复性。
开发者建议
对于基于jsPsych开发实验的研究人员:
-
更新到最新版本后,可以更方便地在论文方法部分标注使用的具体插件。
-
建议在实验代码中保留getCitations()的输出,作为实验材料的一部分。
-
对于自行开发的插件,可以参照相同模式添加.cff文件,实现自动引用生成。
总结
jsPsych survey-text插件2.1.0版本的发布,体现了开源科研工具对学术规范的重视。通过标准化的引用系统和便捷的引用生成功能,进一步降低了研究人员的工作负担,提高了心理学在线实验的专业性和规范性。这一更新也将促进jsPsych生态系统内插件的规范发展,为行为科学研究提供更可靠的工具支持。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava02GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0287- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









