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。
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