認知匹配理論在信息系統研究領域的應用進展

雷晶 劉影 袁勤儉

摘 要：[目的/意義]為了幫助學界了解認知匹配理論在信息系統領域的應用狀況，為后續應用研究充分發揮理論價值提供幫助。[方法/過程]通過梳理國內外應用認知匹配理論的相關文獻，總結當前研究中存在的問題，討論了未來的研究機會。[結果/結論]認知匹配理論在信息系統研究領域的應用主要體現為“認知匹配理論在信息查詢研究中的應用”“認知匹配理論在信息系統設計研究中的應用”“認知匹配理論在信息系統使用研究中的應用”和“認知匹配理論在在線購買信息展示研究中的應用”4個方面;研究中存在缺少對認知匹配過程的測量、未考慮學生樣本較低的應用領域知識水平、較少考慮個人多任務和團隊合作使用的情境等相關問題;引入新測量方法、采用專業系統設計人員作為研究對象、拓展到更豐富的應用情境、實驗室實驗與實地實驗相結合、在理論框架內進行應用探索等是未來研究可以關注的方向。

關鍵詞：認知匹配理論;信息系統;信息表征方式;解決問題的績效

DOI：10.3969/j.issn.1008-0821.2022.05.017

〔中圖分類號〕G201 〔文獻標識碼〕A 〔文章編號〕1008-0821（2022）05-0170-08

Abstract：[Purpose/Significance]The purpose of this study is to make the academics fully understand the application of cognitive fit theory in the field of information system，meanwhile to provide help for the following application studies to fully apply its theoretical value.[Method/Process]By combing the relevant literatures，this paper systematically summarized the current research limitations，and discussed the future research directions.[Results/Conclusion]The research on the application of cognitive fit theory in the field of information system are mainly focused on four aspects：the information retrieval，the information system design，the application of information system，and the presentation of online purchasing information.The current studies also have the following limitations，“lack of measurement of the cognitive process of CFT”“not considering low levels of application domain knowledge of student samples”“not considering personal multitasking and teamwork situation”and so on;Future research can pay more attention to applying new measurement methods，utilizing professional system designers as participants，expanding to richer application scenarios，combining laboratory experiments with field experiments，and conducting application exploration within the theoretical framework of CFT.

Key words：cognitive fit theory;information system;information presentation;problem-solving performance

認知匹配理論（Cognitive Fit Theory，以下簡稱“CFT”）由美國信息系統學者Vessey I于1991年首度提出，其核心思想是：任務信息表征方式與待解決的任務均作用于用戶的心理表征，從而形成匹配或不匹配的關系，二者相互匹配時比不匹配時能產生更好的解決問題的績效[1]。

CFT自提出以來便獲得了信息系統領域學者的關注，經常被用來解釋用戶解決問題績效差異的信息作用機制。為幫助學界了解CFT的基本內容和應用狀況，國內外學者主要從以下兩方面撰寫了述評：①CFT的理論適用性和發展前景。Vessey I回顧了CFT的理論發展進程，驗證了利用“空間—符號”的二分標準（Spatial-symbolic Dichotomy）進行匹配關系判斷的有效性[2];閔慶飛等在對信息系統研究中的“匹配理論”進行綜述時，將CFT作為其中一個理論進行簡單介紹[3];雷晶等對CFT的演進歷程進行了梳理，發現CFT的發展經歷了認知匹配基礎模型、認知匹配擴展模型、認知匹配分布式模型3個階段[4];②CFT在信息系統領域內特定方向的應用述評。Kelton A S等總結了CFT在會計信息系統中的應用，發現研究主題主要包括會計信息檢索、錯誤診斷、財務報表質量評價等，并且強調未來的研究要探究用戶特征與任務信息表征對心理表征的交互作用[5]。William D等對CFT在會計信息決策支持系統中的應用進行了梳理，發現任務信息可視化形式、任務特征和解決問題者特征之間的匹配關系影響了問題解決的績效，指出未來的研究應重點關注信息交互可視化工具的作用分析、解決問題者對任務信息表征方式自主選擇的價值等[6]。

近30年來，CFT除了被廣泛應用到信息系統研究領域，還被引入到網絡營銷、廣告設計、計算機編程等研究主題，積累了豐富的研究成果。但已有綜述集中于對理論創立前20年的發展和在會計信息系統領域的應用述評，未涉及近10年的應用研究狀況。因此，為幫助學界了解CFT的研究現狀和理論潛力，并對該領域的應用研究提供借鑒和參考，本文將對CFT在信息管理與信息系統領域的研究成果進行系統性述評，分析現有研究存在的局限性，指出未來值得注意的方向。

1 CFT在信息查詢研究領域的應用

信息查詢是解決問題的第一步[7]，尤其在信息爆炸的時代，如何迅速準確地進行信息查詢，對于用戶解決問題至關重要。CFT在信息查詢研究中的應用能夠豐富對信息查詢過程和結果的認識，也有助于信息查詢工具和信息查詢系統的設計和改進。因此，一些學者利用CFT研究信息查詢的相關問題。

1.1 CFT對信息查詢的影響研究

針對傳統PC端的信息查詢，Vessey I等率先將CFT引入到銀行信息查詢系統進行實證研究，發現在符號型任務和數據表格之間存在匹配效應，使得信息查詢速度和準確度均顯著提高;但空間型任務與數據折線圖之間的匹配只提升了信息查詢速度，未提升查詢準確度，這與CFT理論產生了出入，所以作者建議后續進一步研究用戶的心理表征，深入理解CFT的作用機制[8]。此后，Chandra A等探討了分層信息查詢時信息表征方式與用戶心理表征之間的匹配關系，研究結果表明：相對于命題網絡式信息表征方式而言，面向對象的信息表征方式與心理表征更匹配，產生更短的查詢時間和更少的錯誤，從而進一步驗證CFT中的信息表征方式通過作用于心理表征再與任務特征產生匹配效應的推斷[9]。此外，Speier C等研究了不同復雜度的數據庫查詢任務與查詢界面間的匹配關系，結果發現，可視化查詢界面與復雜查詢任務、文本查詢界面與簡單查詢任務均形成更準確的查詢結果，但是查詢時間更長，由此推測用戶為了提高查詢準確度而犧牲了查詢時間[10]。但是Bizarro P A等將查詢語言、數據結構、任務難度和查詢任務均納入CFT的理論框架，研究其匹配關系對查詢績效、感知易用性和用戶自信心的影響，卻發現研究結果與CFT存在較大出入，故建議對多變量匹配的交互效應展開后續研究[11]。

針對移動端手持設備信息查詢，Boonlit A等對比傳統靜態網頁和多層次自適應技術兩種信息表征方式與信息查找任務之間的匹配效應，結果發現，后者能有助于用戶快速定位信息，從而提高查詢速度、準確度，并產生更好的系統感知性能[12]。

1.2 信息查詢中用戶特征對認知匹配效應的影響研究

用戶特征與其他變量間的匹配關系也是CFT應用研究的一大熱點。Borthick A F等將用戶熟悉度引入CFT研究數據信息庫查詢中的匹配效應，結果發現，當查詢任務以SQL偽代碼方式表征和以管理過程語言方式表征時，用戶對后者更熟悉，從而產生更快且錯誤率更低的查詢結果[13]。類似的研究還包括Tomasi S等討論了用戶信息查詢經驗對信息查詢中的認知匹配的影響，結果發現，對于簡單任務，當用戶對查詢界面熟悉時，用戶經驗對信息查詢績效存在正向影響;對于復雜任務，當用戶對查詢界面不熟悉時，用戶經驗對信息查詢績效存在負向影響[14]。Dunn C L等將CFT作為用戶圖式與信息查詢績效的調節因素展開研究，發現當認知匹配度高時，用戶圖式和查詢績效的正向聯系被強化，但是當認知匹配度低時，上述關系被弱化。由此提出認知匹配比用戶圖式更重要，建議企業首先需要重視提供與執行的任務相匹配的交互界面，其次才是訓練用戶形成與系統一致的圖式模式[15]。此外，De P等考察了用戶查詢策略的作用，發現相較于采用聯合策略來說，采用導航策略會得到更快且更準確的查詢結果[16]。

綜上可知，CFT在信息查詢研究中的應用主要包括認知匹配對信息查詢的影響研究和用戶特征對認知匹配效果的影響研究兩部分。其中，認知匹配對信息查詢的影響研究主要是比較不同問題信息表征方式、信息查詢任務交互作用對查詢績效的影響，并進一步延伸到對用戶信心、感知易用性等的作用;對信息查詢中用戶特征對認知匹配效果的影響研究還存在兩種視角，一種是探索用戶特征與CFT主要變量之間的交互作用;另一種則是將CFT作為調節變量，研究其對用戶特征與查詢績效之間關系的調節作用。然而，CFT在信息查詢中的研究存在以下問題：①當前研究主要集中于根據信息查詢結果的相對優劣反向判斷是否存在匹配效應，缺少對信息查詢過程的刻畫，對部分匹配的情況難以給出有效的理論解釋，也在一定程度上導致了對匹配結果的主觀解讀;②移動端手持設備受限于物理尺寸，在信息查詢方式、交互界面設計等方面都與傳統PC端網頁查詢和數據庫查詢存在較大差異，而現有研究對此關注不夠。

2 CFT在信息系統設計研究領域的應用

隨著信息技術的發展和信息系統的應用，信息系統的設計越來越強調對復雜任務的支持和對用戶個性需求的滿足。CFT兼顧了任務特征、問題信息表征方式、用戶等多個因素間的協同，為信息系統的設計提供了新的視角，一些研究對此展開了討論。

就信息系統設計的系統建模而言，學者們將建模工具作為匹配變量納入CFT的研究框架。Agarwal R等應用CFT擴展模型研究系統建模任務與建模工具之間的關系，結果發現，面向過程的建模工具與面向過程的建模任務之間存在匹配效應，會產生更快且更準確的建模結果，然而面向對象的建模工具與面向對象的建模任務之間卻未發現匹配效應，研究者推測可能是因為實證研究中的任務難度設計不合理導致[17]。Sinha A P等探究系統建模任務的表征方式、設計人員的建模經驗和建模工具之間的匹配關系，結果發現，相較于復用對象的建模工具，采用復用業務組件能產生更高的建模準確度，而且對于經驗較少的設計人員，通過復用業務組件進行系統建模能獲得與經驗豐富的設計人員相似的設計績效[18]。還有研究將設計人員領域知識納入CFT進行研究。設計人員的領域知識包括信息系統知識和應用領域知識[19]。Hatri V K的研究發現，設計人員的信息系統知識水平與建模的句法理解任務之間存在匹配效應，但其應用領域知識無法與任務形成匹配關系，只能調節前述二者之間的匹配效應的大小[20]。

就信息系統的功能優化設計而言，Park H等借助CFT設計了一個包含5種常見可視化信息表征方式（力導向圖、圓形圖、樹形圖、矩陣圖和基層布局圖）的供應鏈管理信息系統，發現綜合采用多種可視化信息表征方式有利于提升系統績效，由此建議通過培訓提高用戶對系統的熟悉度和對不同可視化表征方式的理解來提升系統績效[21]。相似的還有，Zhu Y等設計了一個可以動態更新的數據可視化組合的計算機安全支持系統，他們提出當用戶利用系統完成復雜任務時，系統應該讓用戶自主選擇數據可視化方式，并根據任務完成的效果動態調整對不同可視化方式的推薦[22]。

就信息系統設計的編程開發和維護而言，Sinha A P等研究計算機遞歸編程任務與遞歸和迭代兩種信息表征方式之間的匹配關系，結果只發現前兩者之間存在匹配效應，且受到編程語言類型、編程工具類型和編程人員對編程語言偏好的調節[23]。Shaft T M等將CFT應用到軟件理解和軟件維護的雙任務情境，發現當設計人員對軟件理解任務的心理表征與軟件維護任務的特點一致時，會比不一致時形成更好的軟件維護績效，驗證了心理表征與任務之間的匹配效應[24]。

綜上可知，當前CFT在信息系統設計研究中的應用主要從系統建模、功能優化、編程開發和維護3個方面展開。然而，CFT在信息系統設計的研究中還存在以下問題：①設計人員的領域知識影響信息系統設計的效果[25]，但是現有研究多數采用的是學生樣本，這通常意味著相對較低的應用領域知識水平，后續需要通過對專業設計人員的研究進一步探究領域知識作為CFT的匹配要素對信息系統設計的作用;②信息系統設計往往由多人協作完成時序關聯的多個任務，過程中牽涉不同專業背景、不同經驗水平的設計人員的合作和任務信息共享，而上述研究僅探討信息系統設計人員獨立完成單一任務時的認知匹配效應，得到的結論是否適用于項目團隊合作進行信息系統設計還沒有得到驗證。

3 CFT在信息系統使用研究領域的應用

用戶使用信息系統的過程也是與系統交互、獲取信息來解決問題的過程，而信息系統特征、信息系統用戶特征和信息系統環境共同影響信息系統的績效[26]，映射到CFT的研究框架中，主要體現為信息表征方式、用戶特征和任務復雜度3個維度。

3.1 CFT在信息表征方式影響研究領域的應用

針對信息表征方式，Umanath N S等探討了動畫表情、圖和表3種問題表征方式與銀行破產預測任務的匹配關系，結果發現，在預測準確性上，圖更具優勢，但是借助動畫表情能產生最快的預測速度[27]。Nuamah J等設計了一個實驗室實驗，讓參與者根據表格化和圖形化展示的水質數據完成一個空間型任務——水質測評，實驗除了測量參與者測評的準確度和時間外，還引入腦電波指標，對用戶的認知負荷進行測量，進一步證實圖形化信息表征方式與空間型任務更匹配，不僅測評更準確、迅速，用戶的認知負荷也更低[28]。Kershaw R等在企業員工績效判斷任務中，進一步驗證了圖與整體型任務、表與分析型任務均形成匹配效應，能得出更準確且更快的判斷[29]。然而，Huang A H等的研究卻發現，在進行商業機會與風險預測時，采用表格的用戶會比采用多媒體信息的用戶預測更快且更準確，研究認為多媒體信息中的音樂、動畫會分散注意力，降低預測績效[30]。

一些研究進一步探討地圖與空間任務的匹配關系，John B S等探究了地圖和表格的優劣，發現對于空間型任務，地圖能產生明顯比表格更高的準確度和更少的決策時間，但是隨著空間任務難度的提升，決策準確度下降且決策時間變長[31]。類似的還包括，Hubona G S等研究空間信息與空間決策任務的匹配效應，結果發現，地理推理任務與路線描述信息、路線調查任務與地理調查信息均形成匹配效應，產生更高的決策準確度[32]。然而，Dennis A R等的研究卻發現，地圖的優勢主要體現在具有毗鄰關系的地理任務上，而對于不毗鄰的地理任務，地圖與表格相比沒有優勢，僅僅會導致更快但準確性更低的決策結果[33]。

此外，Kopp T等探究在可視化數據中添加數據標簽的效果，結果發現數據標簽會強化條形圖與空間型任務以及折線圖與符號型任務之間的匹配關系，都產生更快、更準確的公司經營結果預測[34]。

3.2 CFT在用戶特征影響研究領域的應用

針對用戶的信息技能，Vessey I等的研究發現，用戶的問題解決技能與問題表征或任務都存在匹配效應，且三者都匹配的情形下會產生最好的判斷績效，另外，相對于任務和用戶的問題解決技能而言，信息表征對判斷績效的影響更大，建議決策支持系統的開發者重點關注最優信息表征的智能推薦[35]。Hubona G S等進一步探究了用戶空間技能、信息表征方式與任務之間的匹配效果，發現三者匹配會產生更高的準確度，但是決策時間并沒有顯著減少[36]。Kelton A S等對比了非專業用戶在使用超鏈接形式的財務報表和紙質報表進行投資預測時的績效，發現前者更能節省用戶的認知資源，做出準確性相當但是更迅速的預測[37]。類似的研究還有，毛洪濤等探究個人能力、管理會計報告格式和決策任務之間的匹配關系，結果發現專業用戶使用表格格式的會計報告的決策績效更高，新手用戶使用圖形格式的會計報告的決策績效更高[38]。

針對用戶的信息偏好，Qian S等借鑒認知匹配分布式模型，將用戶對信息表征方式的偏好作為信息內部表征方式，與決策支持系統的外部信息表征方式一起構成信息表征系統，進而發現內外部信息表征方式一致時會形成更好的風險預測績效[39]。

3.3 CFT在任務復雜度影響研究領域的應用

針對任務復雜度的變化，Huang Z等研究知識管理領域中知識的可視化與知識管理任務之間的匹配效應，發現兩種可視化技術——自組織映射圖（Self-organizing Map）和多維尺度縮放圖（Multidimensional Scaling）在支持知識管理的關聯、比較、區分和聚類等復雜判斷任務時均優于傳統表格，但完成簡單的排名任務時，3種信息表征方式形成的績效沒有區別[40]。更為復雜的情況出現在Teets J M等的研究中，他們將CFT應用到了數據量龐大的制造企業質量監控情境中，比較了表格、二維圖和三維圖與企業質量預測任務之間的匹配關系，結果發現，隨著任務復雜度的提升，用戶使用表格的預測績效明顯降低，而使用二維圖和三維圖的績效會呈現先上升后下降的情況，研究者推測可能是當任務難度過高時出現了用戶認知負荷過載的情形，導致預測績效惡化和CFT失效[41]。

進一步考察不同難度任務下的信息負荷，Chan S Y通過商業模擬實驗也發現，在進行企業績效預測時，信息表征方式與任務之間的匹配效應會在信息負荷特別低和特別高時消失，故強調在信息超載的情形下，圖形并不能有效提升預測質量[42]。

3.4 CFT在用戶特征和任務復雜度的交互影響研究領域的應用 ?用戶特征與任務復雜度往往能共同影響認知匹配效應，也有研究就此進行探討。Mennecke B E等對比了平面地圖和空間地理信息系統的優劣，發現新手用戶解決中、高復雜度任務時，借助空間地理信息系統會比采用平面地圖的決策速度更快且更準確，但是對于專業用戶而言，兩類系統的作用差別不明顯[43]。Speier C設計2×2×2的實驗室實驗，其中信息表征方式包括柱狀圖和二維表，任務類型包括符號型和空間型，以及簡單和復雜兩個任務難度水平，將CFT應用到用戶對工廠的設備運行負荷水平的判斷績效研究，并且控制了用戶的空間視覺能力水平，結果發現，雖然在簡單任務情境下二維表與符號型任務、柱狀圖與空間型任務之間都存在匹配效應，然而在復雜任務情境下匹配效應消失，柱狀圖顯示出壓倒性的優勢，研究者認為這是由于隨著任務難度的提升，用戶更傾向于依賴空間型信息降低認知負荷而導致認知匹配失效，由此提出仍需檢驗CFT在高復雜度任務情境下的適用性[44]。

綜上可知，當前CFT在信息系統使用研究中的應用主要從信息表征方式、用戶特征、任務復雜度及其交互作用的影響等方面展開，且積累了比較豐富的研究成果。然而，CFT在信息系統使用的研究中還存在以下問題：①與信息查詢方面的研究類似，CFT在信息系統使用中的研究絕大多數只是關注信息系統使用的結果，缺乏對使用過程的刻畫，難以解釋部分匹配產生的原因和CFT在任務復雜度極低或極高情境下失效的原因，僅見一篇文獻借助腦電波指標對問題解決過程的用戶認知負荷進行了測量;②當前研究內容主要局限于用戶對信息系統的單次使用，現實中用戶往往需要與信息系統多次交互完成多個并行或串行任務，前一次人機交互的認知匹配效果和由此產生的學習效應都會影響后續交互，因此，用戶對信息系統完整使用過程中的認知匹配效應有待進一步驗證。

4 CFT在在線購買信息展示研究領域的應用

由于在線購買情境下消費者無法實際接觸到商品，往往需要借助線上展示的產品信息、消費者購買評論等在線購買信息輔助進行購買決策。電子商務及相關技術的發展為在線購買的信息展示提供了更多選擇的同時，也引發了最優方案的探討，而CFT的匹配理念為此提供了新的思路，積累了一些研究成果。

就產品信息展示而言，Hong W等設計了一個日用品購買實驗，研究產品信息展示方式與購買任務之間的匹配效應，發現列表式產品信息展示方式與商品瀏覽任務、矩陣式產品信息展示方式與商品搜索任務均形成匹配效應，消費者形成更高的信息回憶水平和更短的產品搜索時間[45]。

就購買評論設計而言，Xu P等將CFT應用到電子商務網站評論設計的研究中，結果發現，相較于文本和圖片的產品評論信息，視頻方式的評論讓消費者覺得評論更可信和更有說服力，而且匹配效果差異會受到產品類型的調節[46]。類似的還有，Chen C W設計了一個包含3種產品評分展示方式的電子商務網站，即五星評分、二元文本評分（好評和差評）和二元可視化評分（大拇指向上和大拇指向下），研究3種評分展示方式與瀏覽和購買兩個任務間的匹配關系，結果發現五星評分與購買任務、二元可視化評分與瀏覽任務之間存在匹配效應，均形成較低的認知負荷和更高的感知信息質量[47]。另外，Park D H等根據購買經驗將消費者劃分為新手型和專業型兩類，借鑒CFT的匹配思想研究消費者類型與產品評價類型之間的匹配效應，結果發現新手型消費者與產品利益評價、專業型消費者與產品屬性評價均形成匹配效應，產生更高的購買意向[48]。類似的還包括，Tang H等研究商品信息內容與消費者產品知識水平的匹配關系，結果證實商品參數或性能指標型評論與專業型消費者形成匹配效應，而商品利益和使用體驗評論信息與新手型消費者形成匹配效應，產生更好的購買決策[49]。Huang L等應用CFT研究產品評論內容與產品類型之間的一致性對消費者感知評論有用性的作用，研究設計了兩輪實驗，特別是第二輪實驗還引入了發聲思維法來反映匹配過程，結果發現搜索型產品與產品屬性評價、體驗型產品與產品體驗評價之間都存在匹配效應，形成更高的感知評論有用性，但是也伴隨著更長的認知時間[50]。需要指出的是，上述Park D H等、Tang H等和Huang L等的研究都將匹配要素拓展到了信息的內容，與CFT強調的信息表征方式存在本質區別。

綜上可知，當前CFT在在線購買信息展示研究中的應用主要包括產品信息展示對購買決策的影響和購買評論設計對購買決策的影響兩方面?，F有研究還存在以下局限性：①當前研究基本都是借助實驗室實驗，而實驗室環境不僅與真實環境差異較大，而且更不需要參與者完成真實的支付，所以研究結論難以直接推廣到現實世界;②當前研究對購買評論新形式的討論，如視頻評論、五星評論和二元可視化評論等為理論應用拓展提供了思路，但是部分研究將信息內容納入CFT的研究框架，存在理論誤用的風險。

5 結論與展望

通過文獻回顧和梳理，發現CFT在信息系統領域的應用主要集中在信息查詢研究、信息系統設計研究、信息系統使用研究和在線購買信息展示研究4個方面。

基于CFT的應用進展及研究思路，現有研究仍存在以下局限：①缺少對認知匹配過程的測量。CFT反映了匹配要素通過用戶的心理表征最終影響問題解決績效的作用路徑。然而，現有研究多數不測量匹配過程的心理表征，只測量最終的問題解決績效，再反推是否存在匹配效應，無法形成過程數據與結果數據的相互印證;②未考慮學生樣本較低的應用領域知識水平。目前，信息系統設計研究多數采用學生樣本代替專業設計人員，未考慮前者整體較低的應用領域知識水平對認知匹配效果的影響，存在低估應用領域知識作用的風險;③較少考慮個人多任務和團隊合作使用的情境。當前多數研究的情境設定為個人對信息系統的單次使用，忽視了個人多任務及團隊合作應用信息系統等更常見的情境，尚未關注到多個體、多任務之間時序和同步交互對認知匹配效果的影響;④實驗室模擬環境與真實購買環境仍有差距。實驗室模擬的在線購買環境相較于現實環境均進行了不同程度的簡化，而且消費者不需要真實支付和完成實際購買，由此得出的研究結論很難直接外推到真實市場中;⑤誤將信息內容納入CFT框架。部分研究將不同類型的產品信息和購買評價的不同維度代替信息表征方式納入CFT框架，混淆了內容與內容的表征形式，與CFT的核心思想不符，存在理論誤用的風險。

為了彌補上述不足，未來的研究可以深入關注以下幾個方面：①引入新測量方法。未來的研究可以通過引入視覺跟蹤、腦電波掃描等手段采集認知匹配過程的客觀數據，將CFT的“匹配—不匹配”關系刻畫為更細粒度的、動態的過程性關系，揭示認知匹配效應的神經心理學機制;②采用專業系統設計人員作為研究對象。選擇專業系統設計人員作為對象，測量信息系統領域知識水平和應用領域知識水平，并在不同類型的信息系統設計任務中驗證其作為匹配要素對系統設計績效的作用;③拓展到更豐富的應用情境。未來的研究可以通過采集用戶完成并行和串行任務或群體合作完成任務的時序跟蹤數據，并關注子任務之間和多用戶之間的交互作用，拓展CFT的研究情境;④實驗室實驗與實地實驗相結合。借助實地實驗對實驗室實驗進行補充驗證，增加研究結論的穩健性和外部效度;⑤在理論框架內進行應用研究探索。將信息表征新形式及其美學特征，如動畫字體字號、顏色亮度、動態變化等納入研究都符合CFT的核心邏輯，能為信息系統設計，特別是人機交互設計提供更加細致具體的指導。

參考文獻

[1]Vessey I.Cognitive Fit：A Theory-based Analysis of the Graphs Versus Tables Literature[J].Decision Sciences，1991，22（2）：219-240.

[2]Vessey I.The Theory of Cognitive Fit：One Aspect of a General Theory of Problem Solving？[M].Zhang P，Galletta D.Human-computer Interaction and Management Information Systems：Foundations.Series of Advances in Management Information Systems.Armonk，London：M.E.Sharpe，2006：141-183.

[3]閔慶飛，王建軍，謝波.信息系統研究中的“匹配”理論綜述[J].信息系統學報，2011，8（1）：77-88.

[4]雷晶，袁勤儉，劉影.認知匹配理論的演化評述[J].現代情報，2018，38（10）：152-156，177.

[5]Kelton A S，Pennington R R，Tuttle B M.The Effects of Information Presentation Format on Judgment and Decision Making：A Review of the Information Systems Research[J].Journal of Information Systems，2010，24（2）：79-105.

[6]William D，Diane J J，Robyn R.Interactive Data Visualization：New Directions for Accounting Information Systems Research[J].Journal of Information Systems，2010，24（2）：1-37.

[7]Libby R，Lewis B L.Human Information Processing Research in Accounting：The State of the Art[J].Accounting Organizations & Society，1977，2（3）：245-268.

[8]Vessey I，Galletta D.Cognitive Fit：An Empirical Study of Information Acquisition[J].Information Systems Research，1991，2（1）：63-84.

[9]Chandra A，Krovi R.Representational Congruence and Information Retrieval：Towards An Extended Model of Cognitive Fit[J].Decision Support Systems，1999，25（4）：271-288.

[10]Speier C，Morris M G.The Influence of Query Interface Design on Decision-Making Performance[J].MIS Quarterly，2003，27（3）：397-423.

[11]Bizarro P A，Baldwin A A，Lunsford D L.Effect of Different Database Structure Representations，Query Languages，and User Characteristics on Information Retrieval[J].Journal of Management Information and Decision Sciences，2015，18（1）：27-53.

[12]Boonlit A，Dongsong Z，Lina Z.The Effects of Tree-view Based Presentation Adaptation on Model Web Browsing[J].MIS Quarterly，2011，35（1）：99-121.

[13]Borthick A F，Bowen P L，Jones D R，et al.The Effects of Information Request Ambiguity and Construct Incongruence on Query Development[J].Decision Support Systems，2001，32（1）：3-25.

[14]Tomasi S，Schuff D，Turetken O.Understanding Novelty：How Task Structure and Tool Familiarity Moderate Performance[J].Behaviour and Information Technology，2018，37（4）：406-418.

[15]Dunn C L，Gerard G J，Grabski S V.The Combined Effects of User Schemas and Degree of Cognitive Fit on Data Retrieval Performance[J].International Journal of Accounting Information Systems，2017，26：46-67.

[16]De P，Sinha A P，Vessey I.An Empirical Investigation of Factors Influencing Object-oriented Database Querying[J].Information Technology & Management，2001，2（1）：71-93.

[17]Agarwal R，Sinha A P，Tanniru M.Cognitive Fit in Requirements Modeling：A Study of Object and Process Methodologies[J].Journal of Management Information Systems，1997，13（2）：137-162.

[18]Sinha A P，Jain H.Reusing Business Components and Objects for Modeling Business Systems：The Influence of Decomposition Characteristics and Analyst Experience[J].The Journal of Systems and Software，2016，131：550-569.

[19]Vessey I，Conger S.Learning to Specify Information Requirements：The Relationship Between Application and Methodology[J].Journal of Management Information Systems，1994，10（2）：177-201.

[20]Hatri V K，Essey I V，Ram S，et al.Cognitive Fit Between Conceptual Schemas and Internal Problem Representations：The Case of Geospatio-Temporal Conceptual Schema Comprehension[J].IEEE Transactions on Professional Communication，2006，49（2）：109-127.

[21]Park H，Bellamy M A，Basole R C.Visual Analytics for Supply Network Management：System Design and Evaluation[J].Decision Support Systems，2016，91：89-102.

[22]Zhu Y，Suo X，Owen G S.A Visual Data Exploration Framework for Complex Problem Solving Based on Extended Cognitive Fit Theory[C]//International Symposium on Advances in Visual Computing.Berlin，Springer-Verlag，2009：869-878.

[23]Sinha A P，Vessey I.Cognitive Fit：An Empirical Study of Recursion and Iteration[J].IEEE Transactions on Software Engineering，1992，18（5）：368-379.

[24]Shaft T M，Vessey I.The Role of Cognitive Fit in the Relationship Between Software Comprehension and Modification[J].MIS Quarterly，2006，30（1）：29-55.

[25]Shaft T M，Vessey I.Research Report-The Relevance of Application Domain Knowledge：The Case of Computer Program Comprehension[J].Information Systems Research，1995，6（3）：286-299.

[26]ODonnell E，David J S.How Information Systems Influence User Decisions：A Research Framework and Literature Review[J].International Journal of Accounting Information Systems，2000，1（3）：178-203.

[27]Umanath N S，Vessey I.Multiattribute Data Presentation and Human Judgment：A Cognitive Fit Perspective[J].Decision Sciences，1994，25（5/6）：795-824.

[28]Nuamah J K，Seong Y，Jiang S，et al.Evaluating Effectiveness of Information Visualizations Using Cognitive Fit Theory：A Neuroergonomics Approach[J/OL].Applied Ergonomics，2020，88.https：//doi.org/10.1016/j.apergo.2020.103173.

[29]Kershaw R，Tuttle B.Information Presentation and Judgment Strategy from A Cognitive Fit Perspective[J].Journal of Information Systems，1998，12（1）：1-17.

[30]Huang A H，Windsor J C.An Empirical Assessment of a Multimedia Executive Support System[J].Information and Management，1998，33（5）：251-262.

[31]John B S，Erran C.The Effectiveness of Different Representations for Managerial Problem Solving：Comparing Tables and Maps[J].Decision Sciences，1997，28（2）：391-420.

[32]Hubona G S，Everett S，Marsh E，et al.Mental Representations of Spatial Language[J].International Journal of Human-Computer Studies，1998，48（6）：705-728.

[33]Dennis A R，Carte T A.Using Geographical Information Systems for Decision Making：Extending Cognitive Fit Theory to Map-Based Presentations[J].Information Systems Research，1998，9（2）：194-203.

[34]Kopp T，Riekert M，Utz S.When Cognitive Fit Outweighs Cognitive Load：Redundant Data Labels in Charts Increase Accuracy and Speed of Information Extraction[J].Computers in Human Behavior，2018，86：367-376.

[35]Vessey I，Galletta D.Cognitive Fit：An Empirical Study of Information Acquisition[J].Information Systems Research，1991，2（1）：63-84.

[36]Hubona G S，Everett S，Marsh E，et al.Mental Representations of Spatial Language[J].International Journal of Human-Computer Studies，1998，48（6）：705-728.

[37]Kelton A S，Pennington R R.Internet Financial Reporting：The Effects of Information Presentation Format and Content Differences on Investor Decision Making[J].Computers in Human Behavior，2012，28（4）：1178-1185.

[38]毛洪濤，何熙瓊，蘇朦.呈報格式、個人能力與管理會計信息決策價值：一項定價決策的實驗研究[J].會計研究，2014，（7）：67-74，97.

[39]Qian S，Siew H C，Arnold M W.The Efficacy of a Decision Support System in Enhancing Risk Assessment Performance[J].Decision Sciences，2017，48（2）：307-335.

[40]Huang Z，Chen H，Guo F，et al.Expertise Visualization：An Implementation and Study Based on Cognitive Fit Theory[J].Decision Support Systems，2006，42（3）：1539-1557.

[41]Teets J M，Tegarden D P，Russell R S.Using Cognitive Fit Theory to Evaluate the Effectiveness of Information Visualizations：An Example Using Quality Assurance Data[J].IEEE Transactions on Visualization and Computer Graphics，2010，16（5）：841-853.

[42]Chan S Y.The Use of Graphs as Decision Aids in Relation to Information Overload and Managerial Decision Quality[J].Journal of Information Science，2001，27（6）：417-425.

[43]Mennecke B E，Crossland M D，Killingsworth B L.Is a Map More than a Picture？The Role of SDSS Technology，Subject Characteristics，and Problem Complexity on Map Reading and Problem Solving[J].MIS Quarterly，2000，24（4）：601-629.

[44]Speier C.The Influence of Information Presentation Formats on Complex Task Decision-making Performance[J].International Journal of Human-Computer Studies，2006，64（11）：1115-1131.

[45]Hong W，Thong J Y L，Tam K Y.The Effects of Information Format and Shopping Task on Consumers Online Shopping Behavior：A Cognitive Fit Perspective[J].Journal of Management Information Systems，2004，21（3）：149-184.

[46]Xu P，Chen L，Santhanam R.Will Video Be the Next Generation of E-commerce Product Reviews？Presentation Format and the Role of Product Type[J].Decision Support Systems，2015，73：85-96.

[47]Chen C W.Five-star or Thumbs-up？The Influence of Rating System Types on Users Perceptions of Information Quality，Cognitive Effort，Enjoyment and Continuance Intention[J].Internet Research，2017，27（3）：478-494.

[48]Park D H，Kim S.The Effects of Consumer Knowledge on Message Processing of Electronic Word of Mouth Via Online Consumer Reviews[J].Electronic Commerce Research & Applications，2008，7（4）：399-410.

[49]Tang H，Lee C B P，Choong K K.Consumer Decision Support Systems for Novice Buyers-A Design Science Approach[J].Information Systems Frontiers，2017，19（4）：881-897.

[50]Huang L，Tan C H，Ke W，et al.Comprehension and Assessment of Product Reviews：A Review-product Congruity Proposition[J].Journal of Management Information Systems，2014，30（3）：311-343.

（責任編輯：陳 媛）