认知匹配理论在信息系统研究领域的应用进展

雷晶 刘影 袁勤俭

摘 要：[目的/意义]为了帮助学界了解认知匹配理论在信息系统领域的应用状况，为后续应用研究充分发挥理论价值提供帮助。[方法/过程]通过梳理国内外应用认知匹配理论的相关文献，总结当前研究中存在的问题，讨论了未来的研究机会。[结果/结论]认知匹配理论在信息系统研究领域的应用主要体现为“认知匹配理论在信息查询研究中的应用”“认知匹配理论在信息系统设计研究中的应用”“认知匹配理论在信息系统使用研究中的应用”和“认知匹配理论在在线购买信息展示研究中的应用”4个方面;研究中存在缺少对认知匹配过程的测量、未考虑学生样本较低的应用领域知识水平、较少考虑个人多任务和团队合作使用的情境等相关问题;引入新测量方法、采用专业系统设计人员作为研究对象、拓展到更丰富的应用情境、实验室实验与实地实验相结合、在理论框架内进行应用探索等是未来研究可以关注的方向。

关键词：认知匹配理论;信息系统;信息表征方式;解决问题的绩效

DOI：10.3969/j.issn.1008-0821.2022.05.017

〔中图分类号〕G201 〔文献标识码〕A 〔文章编号〕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

認知匹配理论（Cognitive Fit Theory，以下简称“CFT”）由美国信息系统学者Vessey I于1991年首度提出，其核心思想是：任务信息表征方式与待解决的任务均作用于用户的心理表征，从而形成匹配或不匹配的关系，二者相互匹配时比不匹配时能产生更好的解决问题的绩效[1]。

CFT自提出以来便获得了信息系统领域学者的关注，经常被用来解释用户解决问题绩效差异的信息作用机制。为帮助学界了解CFT的基本内容和应用状况，国内外学者主要从以下两方面撰写了述评：①CFT的理论适用性和发展前景。Vessey I回顾了CFT的理论发展进程，验证了利用“空间—符号”的二分标准（Spatial-symbolic Dichotomy）进行匹配关系判断的有效性[2];闵庆飞等在对信息系统研究中的“匹配理论”进行综述时，将CFT作为其中一个理论进行简单介绍[3];雷晶等对CFT的演进历程进行了梳理，发现CFT的发展经历了认知匹配基础模型、认知匹配扩展模型、认知匹配分布式模型3个阶段[4];②CFT在信息系统领域内特定方向的应用述评。Kelton A S等总结了CFT在会计信息系统中的应用，发现研究主题主要包括会计信息检索、错误诊断、财务报表质量评价等，并且强调未来的研究要探究用户特征与任务信息表征对心理表征的交互作用[5]。William D等对CFT在会计信息决策支持系统中的应用进行了梳理，发现任务信息可视化形式、任务特征和解决问题者特征之间的匹配关系影响了问题解决的绩效，指出未来的研究应重点关注信息交互可视化工具的作用分析、解决问题者对任务信息表征方式自主选择的价值等[6]。

近30年来，CFT除了被广泛应用到信息系统研究领域，还被引入到网络营销、广告设计、计算机编程等研究主题，积累了丰富的研究成果。但已有综述集中于对理论创立前20年的发展和在会计信息系统领域的应用述评，未涉及近10年的应用研究状况。因此，为帮助学界了解CFT的研究现状和理论潜力，并对该领域的应用研究提供借鉴和参考，本文将对CFT在信息管理与信息系统领域的研究成果进行系统性述评，分析现有研究存在的局限性，指出未来值得注意的方向。

1 CFT在信息查询研究领域的应用

信息查询是解决问题的第一步[7]，尤其在信息爆炸的时代，如何迅速准确地进行信息查询，对于用户解决问题至关重要。CFT在信息查询研究中的应用能够丰富对信息查询过程和结果的认识，也有助于信息查询工具和信息查询系统的设计和改进。因此，一些学者利用CFT研究信息查询的相关问题。

1.1 CFT对信息查询的影响研究

针对传统PC端的信息查询，Vessey I等率先将CFT引入到银行信息查询系统进行实证研究，发现在符号型任务和数据表格之间存在匹配效应，使得信息查询速度和准确度均显著提高;但空间型任务与数据折线图之间的匹配只提升了信息查询速度，未提升查询准确度，这与CFT理论产生了出入，所以作者建议后续进一步研究用户的心理表征，深入理解CFT的作用机制[8]。此后，Chandra A等探讨了分层信息查询时信息表征方式与用户心理表征之间的匹配关系，研究结果表明：相对于命题网络式信息表征方式而言，面向对象的信息表征方式与心理表征更匹配，产生更短的查询时间和更少的错误，从而进一步验证CFT中的信息表征方式通过作用于心理表征再与任务特征产生匹配效应的推断[9]。此外，Speier C等研究了不同复杂度的数据库查询任务与查询界面间的匹配关系，结果发现，可视化查询界面与复杂查询任务、文本查询界面与简单查询任务均形成更准确的查询结果，但是查询时间更长，由此推测用户为了提高查询准确度而牺牲了查询时间[10]。但是Bizarro P A等将查询语言、数据结构、任务难度和查询任务均纳入CFT的理论框架，研究其匹配关系对查询绩效、感知易用性和用户自信心的影响，却发现研究结果与CFT存在较大出入，故建议对多变量匹配的交互效应展开后续研究[11]。

针对移动端手持设备信息查询，Boonlit A等对比传统静态网页和多层次自适应技术两种信息表征方式与信息查找任务之间的匹配效应，结果发现，后者能有助于用户快速定位信息，从而提高查询速度、准确度，并产生更好的系统感知性能[12]。

1.2 信息查询中用户特征对认知匹配效应的影响研究

用戶特征与其他变量间的匹配关系也是CFT应用研究的一大热点。Borthick A F等将用户熟悉度引入CFT研究数据信息库查询中的匹配效应，结果发现，当查询任务以SQL伪代码方式表征和以管理过程语言方式表征时，用户对后者更熟悉，从而产生更快且错误率更低的查询结果[13]。类似的研究还包括Tomasi S等讨论了用户信息查询经验对信息查询中的认知匹配的影响，结果发现，对于简单任务，当用户对查询界面熟悉时，用户经验对信息查询绩效存在正向影响;对于复杂任务，当用户对查询界面不熟悉时，用户经验对信息查询绩效存在负向影响[14]。Dunn C L等将CFT作为用户图式与信息查询绩效的调节因素展开研究，发现当认知匹配度高时，用户图式和查询绩效的正向联系被强化，但是当认知匹配度低时，上述关系被弱化。由此提出认知匹配比用户图式更重要，建议企业首先需要重视提供与执行的任务相匹配的交互界面，其次才是训练用户形成与系统一致的图式模式[15]。此外，De P等考察了用户查询策略的作用，发现相较于采用联合策略来说，采用导航策略会得到更快且更准确的查询结果[16]。

综上可知，CFT在信息查询研究中的应用主要包括认知匹配对信息查询的影响研究和用户特征对认知匹配效果的影响研究两部分。其中，认知匹配对信息查询的影响研究主要是比较不同问题信息表征方式、信息查询任务交互作用对查询绩效的影响，并进一步延伸到对用户信心、感知易用性等的作用;对信息查询中用户特征对认知匹配效果的影响研究还存在两种视角，一种是探索用户特征与CFT主要变量之间的交互作用;另一种则是将CFT作为调节变量，研究其对用户特征与查询绩效之间关系的调节作用。然而，CFT在信息查询中的研究存在以下问题：①当前研究主要集中于根据信息查询结果的相对优劣反向判断是否存在匹配效应，缺少对信息查询过程的刻画，对部分匹配的情况难以给出有效的理论解释，也在一定程度上导致了对匹配结果的主观解读;②移动端手持设备受限于物理尺寸，在信息查询方式、交互界面设计等方面都与传统PC端网页查询和数据库查询存在较大差异，而现有研究对此关注不够。

2 CFT在信息系统设计研究领域的应用

随着信息技术的发展和信息系统的应用，信息系统的设计越来越强调对复杂任务的支持和对用户个性需求的满足。CFT兼顾了任务特征、问题信息表征方式、用户等多个因素间的协同，为信息系统的设计提供了新的视角，一些研究对此展开了讨论。

就信息系统设计的系统建模而言，学者们将建模工具作为匹配变量纳入CFT的研究框架。Agarwal R等应用CFT扩展模型研究系统建模任务与建模工具之间的关系，结果发现，面向过程的建模工具与面向过程的建模任务之间存在匹配效应，会产生更快且更准确的建模结果，然而面向对象的建模工具与面向对象的建模任务之间却未发现匹配效应，研究者推测可能是因为实证研究中的任务难度设计不合理导致[17]。Sinha A P等探究系统建模任务的表征方式、设计人员的建模经验和建模工具之间的匹配关系，结果发现，相较于复用对象的建模工具，采用复用业务组件能产生更高的建模准确度，而且对于经验较少的设计人员，通过复用业务组件进行系统建模能获得与经验丰富的设计人员相似的设计绩效[18]。还有研究将设计人员领域知识纳入CFT进行研究。设计人员的领域知识包括信息系统知识和应用领域知识[19]。Hatri V K的研究发现，设计人员的信息系统知识水平与建模的句法理解任务之间存在匹配效应，但其应用领域知识无法与任务形成匹配关系，只能调节前述二者之间的匹配效应的大小[20]。

就信息系统的功能优化设计而言，Park H等借助CFT设计了一个包含5种常见可视化信息表征方式（力导向图、圆形图、树形图、矩阵图和基层布局图）的供应链管理信息系统，发现综合采用多种可视化信息表征方式有利于提升系统绩效，由此建议通过培训提高用户对系统的熟悉度和对不同可视化表征方式的理解来提升系统绩效[21]。相似的还有，Zhu Y等设计了一个可以动态更新的数据可视化组合的计算机安全支持系统，他们提出当用户利用系统完成复杂任务时，系统应该让用户自主选择数据可视化方式，并根据任务完成的效果动态调整对不同可视化方式的推荐[22]。

就信息系统设计的编程开发和维护而言，Sinha A P等研究计算机递归编程任务与递归和迭代两种信息表征方式之间的匹配关系，结果只发现前两者之间存在匹配效应，且受到编程语言类型、编程工具类型和编程人员对编程语言偏好的调节[23]。Shaft T M等将CFT应用到软件理解和软件维护的双任务情境，发现当设计人员对软件理解任务的心理表征与软件维护任务的特点一致时，会比不一致时形成更好的软件维护绩效，验证了心理表征与任务之间的匹配效应[24]。

综上可知，当前CFT在信息系统设计研究中的应用主要从系统建模、功能优化、编程开发和维护3个方面展开。然而，CFT在信息系统设计的研究中还存在以下问题：①设计人员的领域知识影响信息系统设计的效果[25]，但是现有研究多数采用的是学生样本，这通常意味着相对较低的应用领域知识水平，后续需要通过对专业设计人员的研究进一步探究领域知识作为CFT的匹配要素对信息系统设计的作用;②信息系统设计往往由多人协作完成时序关联的多个任务，过程中牵涉不同专业背景、不同经验水平的设计人员的合作和任务信息共享，而上述研究仅探讨信息系统设计人员独立完成单一任务时的认知匹配效应，得到的结论是否适用于项目团队合作进行信息系统设计还没有得到验证。

3 CFT在信息系统使用研究领域的应用

用户使用信息系统的过程也是与系统交互、获取信息来解决问题的过程，而信息系统特征、信息系统用户特征和信息系统环境共同影响信息系统的绩效[26]，映射到CFT的研究框架中，主要体现为信息表征方式、用户特征和任务复杂度3个维度。

3.1 CFT在信息表征方式影响研究领域的应用

针对信息表征方式，Umanath N S等探讨了动画表情、图和表3种问题表征方式与银行破产预测任务的匹配关系，结果发现，在预测准确性上，图更具优势，但是借助动画表情能产生最快的预测速度[27]。Nuamah J等设计了一个实验室实验，让参与者根据表格化和图形化展示的水质数据完成一个空间型任务——水质测评，实验除了测量参与者测评的准确度和时间外，还引入脑电波指标，对用户的认知负荷进行测量，进一步证实图形化信息表征方式与空间型任务更匹配，不仅测评更准确、迅速，用户的认知负荷也更低[28]。Kershaw R等在企业员工绩效判断任务中，进一步验证了图与整体型任务、表与分析型任务均形成匹配效应，能得出更准确且更快的判断[29]。然而，Huang A H等的研究却发现，在进行商业机会与风险预测时，采用表格的用户会比采用多媒体信息的用户预测更快且更准确，研究认为多媒体信息中的音乐、动画会分散注意力，降低预测绩效[30]。

一些研究进一步探讨地图与空间任务的匹配关系，John B S等探究了地图和表格的优劣，发现对于空间型任务，地图能产生明显比表格更高的准确度和更少的决策时间，但是随着空间任务难度的提升，决策准确度下降且决策时间变长[31]。类似的还包括，Hubona G S等研究空间信息与空间决策任务的匹配效应，结果发现，地理推理任务与路线描述信息、路线调查任务与地理调查信息均形成匹配效应，产生更高的决策准确度[32]。然而，Dennis A R等的研究却发现，地图的优势主要体现在具有毗邻关系的地理任務上，而对于不毗邻的地理任务，地图与表格相比没有优势，仅仅会导致更快但准确性更低的决策结果[33]。

此外，Kopp T等探究在可视化数据中添加数据标签的效果，结果发现数据标签会强化条形图与空间型任务以及折线图与符号型任务之间的匹配关系，都产生更快、更准确的公司经营结果预测[34]。

3.2 CFT在用户特征影响研究领域的应用

针对用户的信息技能，Vessey I等的研究发现，用户的问题解决技能与问题表征或任务都存在匹配效应，且三者都匹配的情形下会产生最好的判断绩效，另外，相对于任务和用户的问题解决技能而言，信息表征对判断绩效的影响更大，建议决策支持系统的开发者重点关注最优信息表征的智能推荐[35]。Hubona G S等进一步探究了用户空间技能、信息表征方式与任务之间的匹配效果，发现三者匹配会产生更高的准确度，但是决策时间并没有显著减少[36]。Kelton A S等对比了非专业用户在使用超链接形式的财务报表和纸质报表进行投资预测时的绩效，发现前者更能节省用户的认知资源，做出准确性相当但是更迅速的预测[37]。类似的研究还有，毛洪涛等探究个人能力、管理会计报告格式和决策任务之间的匹配关系，结果发现专业用户使用表格格式的会计报告的决策绩效更高，新手用户使用图形格式的会计报告的决策绩效更高[38]。

针对用户的信息偏好，Qian S等借鉴认知匹配分布式模型，将用户对信息表征方式的偏好作为信息内部表征方式，与决策支持系统的外部信息表征方式一起构成信息表征系统，进而发现内外部信息表征方式一致时会形成更好的风险预测绩效[39]。

3.3 CFT在任务复杂度影响研究领域的应用

针对任务复杂度的变化，Huang Z等研究知识管理领域中知识的可视化与知识管理任务之间的匹配效应，发现两种可视化技术——自组织映射图（Self-organizing Map）和多维尺度缩放图（Multidimensional Scaling）在支持知识管理的关联、比较、区分和聚类等复杂判断任务时均优于传统表格，但完成简单的排名任务时，3种信息表征方式形成的绩效没有区别[40]。更为复杂的情况出现在Teets J M等的研究中，他们将CFT应用到了数据量庞大的制造企业质量监控情境中，比较了表格、二维图和三维图与企业质量预测任务之间的匹配关系，结果发现，随着任务复杂度的提升，用户使用表格的预测绩效明显降低，而使用二维图和三维图的绩效会呈现先上升后下降的情况，研究者推测可能是当任务难度过高时出现了用户认知负荷过载的情形，导致预测绩效恶化和CFT失效[41]。

进一步考察不同难度任务下的信息负荷，Chan S Y通过商业模拟实验也发现，在进行企业绩效预测时，信息表征方式与任务之间的匹配效应会在信息负荷特别低和特别高时消失，故强调在信息超载的情形下，图形并不能有效提升预测质量[42]。

3.4 CFT在用户特征和任务复杂度的交互影响研究领域的应用  用户特征与任务复杂度往往能共同影响认知匹配效应，也有研究就此进行探讨。Mennecke B E等对比了平面地图和空间地理信息系统的优劣，发现新手用户解决中、高复杂度任务时，借助空间地理信息系统会比采用平面地图的决策速度更快且更准确，但是对于专业用户而言，两类系统的作用差别不明显[43]。Speier C设计2×2×2的实验室实验，其中信息表征方式包括柱状图和二维表，任务类型包括符号型和空间型，以及简单和复杂两个任务难度水平，将CFT应用到用户对工厂的设备运行负荷水平的判断绩效研究，并且控制了用户的空间视觉能力水平，结果发现，虽然在简单任务情境下二维表与符号型任务、柱状图与空间型任务之间都存在匹配效应，然而在复杂任务情境下匹配效应消失，柱状图显示出压倒性的优势，研究者认为这是由于随着任务难度的提升，用户更倾向于依赖空间型信息降低认知负荷而导致认知匹配失效，由此提出仍需检验CFT在高复杂度任务情境下的适用性[44]。

综上可知，当前CFT在信息系统使用研究中的应用主要从信息表征方式、用户特征、任务复杂度及其交互作用的影响等方面展开，且积累了比较丰富的研究成果。然而，CFT在信息系统使用的研究中还存在以下问题：①与信息查询方面的研究类似，CFT在信息系统使用中的研究绝大多数只是关注信息系统使用的结果，缺乏对使用过程的刻画，难以解释部分匹配产生的原因和CFT在任务复杂度极低或极高情境下失效的原因，仅见一篇文献借助脑电波指标对问题解决过程的用户认知负荷进行了测量;②当前研究内容主要局限于用户对信息系统的单次使用，现实中用户往往需要与信息系统多次交互完成多个并行或串行任务，前一次人机交互的认知匹配效果和由此产生的学习效应都会影响后续交互，因此，用户对信息系统完整使用过程中的认知匹配效应有待进一步验证。

4 CFT在在线购买信息展示研究领域的应用

由于在线购买情境下消费者无法实际接触到商品，往往需要借助线上展示的产品信息、消费者购买评论等在线购买信息辅助进行购买决策。电子商务及相关技术的发展为在线购买的信息展示提供了更多选择的同时，也引发了最优方案的探讨，而CFT的匹配理念为此提供了新的思路，积累了一些研究成果。

就产品信息展示而言，Hong W等设计了一个日用品购买实验，研究产品信息展示方式与购买任务之间的匹配效应，发现列表式产品信息展示方式与商品浏览任务、矩阵式产品信息展示方式与商品搜索任务均形成匹配效应，消费者形成更高的信息回忆水平和更短的产品搜索时间[45]。

就购买评论设计而言，Xu P等将CFT应用到电子商务网站评论设计的研究中，结果发现，相较于文本和图片的产品评论信息，视频方式的评论让消费者觉得评论更可信和更有说服力，而且匹配效果差异会受到产品类型的调节[46]。类似的还有，Chen C W设计了一个包含3种产品评分展示方式的电子商务网站，即五星评分、二元文本评分（好评和差评）和二元可视化评分（大拇指向上和大拇指向下），研究3种评分展示方式与浏览和购买两个任务间的匹配关系，结果发现五星评分与购买任务、二元可视化评分与浏览任务之间存在匹配效应，均形成较低的认知负荷和更高的感知信息质量[47]。另外，Park D H等根据购买经验将消费者划分为新手型和专业型两类，借鉴CFT的匹配思想研究消费者类型与产品评价类型之间的匹配效应，结果发现新手型消费者与产品利益评价、专业型消费者与产品属性评价均形成匹配效应，产生更高的购买意向[48]。类似的还包括，Tang H等研究商品信息内容与消费者产品知识水平的匹配关系，结果证实商品参数或性能指标型評论与专业型消费者形成匹配效应，而商品利益和使用体验评论信息与新手型消费者形成匹配效应，产生更好的购买决策[49]。Huang L等应用CFT研究产品评论内容与产品类型之间的一致性对消费者感知评论有用性的作用，研究设计了两轮实验，特别是第二轮实验还引入了发声思维法来反映匹配过程，结果发现搜索型产品与产品属性评价、体验型产品与产品体验评价之间都存在匹配效应，形成更高的感知评论有用性，但是也伴随着更长的认知时间[50]。需要指出的是，上述Park D H等、Tang H等和Huang L等的研究都将匹配要素拓展到了信息的内容，与CFT强调的信息表征方式存在本质区别。

综上可知，当前CFT在在线购买信息展示研究中的应用主要包括产品信息展示对购买决策的影响和购买评论设计对购买决策的影响两方面。现有研究还存在以下局限性：①当前研究基本都是借助实验室实验，而实验室环境不仅与真实环境差异较大，而且更不需要参与者完成真实的支付，所以研究结论难以直接推广到现实世界;②当前研究对购买评论新形式的讨论，如视频评论、五星评论和二元可视化评论等为理论应用拓展提供了思路，但是部分研究将信息内容纳入CFT的研究框架，存在理论误用的风险。

5 结论与展望

通过文献回顾和梳理，发现CFT在信息系统领域的应用主要集中在信息查询研究、信息系统设计研究、信息系统使用研究和在线购买信息展示研究4个方面。

基于CFT的应用进展及研究思路，现有研究仍存在以下局限：①缺少对认知匹配过程的测量。CFT反映了匹配要素通过用户的心理表征最终影响问题解决绩效的作用路径。然而，现有研究多数不测量匹配过程的心理表征，只测量最终的问题解决绩效，再反推是否存在匹配效应，无法形成过程数据与结果数据的相互印证;②未考虑学生样本较低的应用领域知识水平。目前，信息系统设计研究多数采用学生样本代替专业设计人员，未考虑前者整体较低的应用领域知识水平对认知匹配效果的影响，存在低估应用领域知识作用的风险;③较少考虑个人多任务和团队合作使用的情境。当前多数研究的情境设定为个人对信息系统的单次使用，忽视了个人多任务及团队合作应用信息系统等更常见的情境，尚未关注到多个体、多任务之间时序和同步交互对认知匹配效果的影响;④实验室模拟环境与真实购买环境仍有差距。实验室模拟的在线购买环境相较于现实环境均进行了不同程度的简化，而且消费者不需要真实支付和完成实际购买，由此得出的研究结论很难直接外推到真实市场中;⑤误将信息内容纳入CFT框架。部分研究将不同类型的产品信息和购买评价的不同维度代替信息表征方式纳入CFT框架，混淆了内容与内容的表征形式，与CFT的核心思想不符，存在理论误用的风险。

为了弥补上述不足，未来的研究可以深入关注以下几个方面：①引入新测量方法。未来的研究可以通过引入视觉跟踪、脑电波扫描等手段采集认知匹配过程的客观数据，将CFT的“匹配—不匹配”关系刻画为更细粒度的、动态的过程性关系，揭示认知匹配效应的神经心理学机制;②采用专业系统设计人员作为研究对象。选择专业系统设计人员作为对象，测量信息系统领域知识水平和应用领域知识水平，并在不同类型的信息系统设计任务中验证其作为匹配要素对系统设计绩效的作用;③拓展到更丰富的应用情境。未来的研究可以通过采集用户完成并行和串行任务或群体合作完成任务的时序跟踪数据，并关注子任务之间和多用户之间的交互作用，拓展CFT的研究情境;④实验室实验与实地实验相结合。借助实地实验对实验室实验进行补充验证，增加研究结论的稳健性和外部效度;⑤在理论框架内进行应用研究探索。将信息表征新形式及其美学特征，如动画字体字号、颜色亮度、动态变化等纳入研究都符合CFT的核心逻辑，能为信息系统设计，特别是人机交互设计提供更加细致具体的指导。

参考文献

[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]閔庆飞，王建军，谢波.信息系统研究中的“匹配”理论综述[J].信息系统学报，2011，8（1）：77-88.

[4]雷晶，袁勤俭，刘影.认知匹配理论的演化评述[J].现代情报，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，何熙琼，苏朦.呈报格式、个人能力与管理会计信息决策价值：一项定价决策的实验研究[J].会计研究，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.

（責任编辑：陈 媛）