技术支配理论及其在信息系统研究中的应用与展望

杨雨娇 颜祥林 袁勤俭

摘 要：[目的/意义]为了帮助学界准确把握技术支配理论及其应用现状，将其更好地应用于研究信息系统中的技术依赖问题。[方法/过程]在简要介绍技术支配理论的起源及其发展之后，本文以应用技术支配理论的信息系统领域文献为基础，分析了其在信息系统研究中的应用现状。[结果/结论]技术支配理论在信息系统研究中的应用主要集中在3个方面：信息系统设计方面的技术依赖研究、信息系统使用过程中的技术依赖研究、用户长期使用信息技术的风险研究;同时发现当前文献中存在“研究所关注的信息系统功能相对单一”“研究领域局限在学习、工作方面的技术依赖”“缺乏纵向实证研究以分析信息技术长期使用的影响”等问题，因此未来可以研究诸如自动填充等其他功能设置对技术依赖的影响，并将研究领域从学习、工作拓展到生活、娱乐的技术依赖，同时可以收集面板数据研究信息技术对决策者、决策效果的动态影响。

关键词：技术支配理论;技术依赖;信息系统

Abstract：[Purpose/Significance]The purpose of this study is to help academics accurately understand theory of technology dominance and its application status，in the meantime，to better apply this theory to the studies of technology dependence in information system.[Method/Process]After introducing the origin and development of this theory in brief，this paper analyzed the application status of this theory in information system research，based on the studies of this theory in the field of information system.[Result/Conclusion]The results showed that the application of this theory in information system research mainly included three aspects：technology dependence research in terms of information system design，technology dependence research in the process of using information system，studying the risk of long-term use of information technology.In addition，it is found that existing studies remained some limitations，such as“the kind of information system functions which most studies focus are relatively single”，“technology dependence studies are limited in the context of study and work”and“there is few longitudinal empirical research to analyze the influence of long-term use of information technology”.Therefore，future research can study the influence of other functions on technology dependence such as automatic filling，expand context of technology dependence studies from study and work to life and entertainment，and collect panel data to study the dynamic influence of information technology on decision maker and decision making.

Key words：theory of technology dominance;technology dependence;information system

1998年，Arnold V等[1]通过对决策辅助相关文献的演绎分析，提出了技术支配理论（Theory of Technology Dominance，以下简称“TTD”）。TTD的核心思想是，决策者在使用智能决策辅助工具时，可能会倾向于依赖技术工具提供的建议，而非自主判断。

自理论提出后，已有学者将TTD应用于研究信息系统中的技术依赖问题。为了帮助学界了解TTD的研究进展，Triki A等详细阐述TTD基本内容的同时，对其理论的发展进行综述，并在TTD的基础上结合其他决策辅助研究成果，提出了TTD优化模型[2]。Triki A等的研究是目前唯一一篇系統介绍TTD的综述性文献，但他们更偏重于梳理决策者依赖决策辅助工具的影响因素研究，并未关注TTD在信息系统领域的应用进展。因此，为了帮助学界准确地把握TTD的应用现状以及更好地将TTD应用于技术依赖问题的研究，本文拟系统地评述TTD在信息系统研究中的应用进展。

1 TTD源起及发展

1.1 TTD的源起

TTD源自于人们对智能决策辅助工具在会计信息系统作用的研究。1998年，Arnold V和Sutton S G发现会计信息系统中有2个值得深思的问题：一是为什么智能决策辅助工具在会计信息系统中发挥的作用如此有限;二是怎样才能设计出更有用的智能决策辅助工具并且如何使用才更有效果。为了探寻问题的答案，经过深入分析会计信息系统中决策者对智能决策辅助工具依赖现象后，Arnold V等在心理学和认知科学理论的基础上，结合人工智能及用户交互相关的知识，通过对会计学决策辅助依赖相关的文献进行演绎分析，最终提出TTD，探索了决策者与智能决策辅助工具的最佳配适条件。

TTD认为决策者使用决策辅助工具时可能会对技术工具产生依赖，而依赖会引起技术对决策的支配作用。为避免歧义，TTD对“依赖”“支配”作出了清晰的界定，前者是指个人使用智能决策辅助工具并将工具提供的建议纳入判断的程度;后者则是指智能决策辅助工具代替决策者掌握决策的主控权[1]。

TTD将决策者对智能决策辅助工具的依赖情况以及技术支配效应分3方面研究：1）研究哪些因素会让决策者对智能决策辅助工具产生依赖。2）探索在哪些情境下决策者容易受到智能决策辅助工具的支配。3）探讨智能决策辅助工具的长期使用是否会降低决策者的专业能力或者妨碍决策者的认知进化。针对每方面的研究主题，理论凝练出了2～3项可测试命题（见表1）。此外，TTD模型可以预测决策者对智能决策辅助工具的依赖情况（见图1），模型根据影响决策者依赖智能决策辅助工具的因素判断依赖趋势，模型中的影响因素分别是任务经验、任务复杂性、决策辅助熟悉度以及认知匹配程度。其中，任务经验是决策者完成任务的经验水平以及决策者为完成特定任务已有的策略水平，任务复杂性是决策者在完成某项任务时所面临的认知能力挑战的程度，决策辅助熟悉度是决策者基于先前经验或重要培训对智能决策辅助工具感到适应的程度，认知匹配是使用智能决策辅助工具完成任务的认知过程与决策者常规认知过程相匹配的程度[1]。

1.2 TTD的发展

TTD的发展主要集中在2方面：一是继续研究决策者依赖智能决策辅助工具的影响因素，丰富TTD模型;二是深入研究决策者使用决策辅助工具进行决策的认知过程，探索依赖产生的情境。

一是后续研究基于TTD引入了信任、信心、解释、绩效激励等其他影响因素。Triki A等利用演绎分析法以及四步理论构建法，在回顾TTD与其他决策辅助研究的基础上，提出了包括初始信任、信心、建立的信任以及解释4个新因素的TTD拓展模型[2]。Hunton J等则在任务复杂性、任务经验的基础上，引入绩效激励作为自变量，调查专业买方财务分析师在真实工作环境下的决策辅助依赖行为，研究发现绩效激励更高的分析师不容易依赖决策辅助[3]。此外，Parkes A认为任务特征可以从主观和客观角度加以区分，其在设计实验时不仅考虑了任务复杂性形式的客观任务特征对决策辅助依赖的影响，也将任务难度形式的主观任务特征纳入考量，通过不同任务经验水平的受试者使用决策辅助工具完成2项复杂程度迥异的破产任务决策的实验，发现任务的主客观特征都会影响依赖行为，并且任务难度起完全中介作用[4]。

二是学者们研究了不同情境下决策者使用决策辅助工具的认知过程。Arnold V等提出TTD后，研究了知识库系统的解释工具对不同用户决策效果的影响，结果表明：解释工具使决策者更愿意接受决策辅助的建议，并且决策者的任务经验起调节作用[5]。Malaescu I等则通过研究用户对决策辅助系统限制性强弱的偏好，发现新手偏好限制性强的系统，专家则偏好灵活的系统;作者认为这可能是因为系统的限制性对新手而言可以提供认知上的指导，而对专家而言则是一种认知负荷[6]。另外，Al-Natour S等调查了在线购物时用户使用决策辅助工具实施决策与用户独立作出决策间的感知相似性，研究发现：感知过程相似性对用户感知决策辅助的有用性和可信性有显著正向作用，并且用户的专业知识水平调节感知相似性对感知有用性和可信度的影响[7]。

2 TTD在信息系统研究中的应用进展

2.1 信息系统设计方面的技术依赖研究

TTD认为用户与信息系统的适当匹配十分重要，合适的系统功能设置能够发挥技术依赖带来的正面作用，而不合适的系统不仅无法提高决策效果，还会造成对技术的过度依赖，引起决策风险。因此，不少文献应用TTD研究信息系统设计方面的技术依赖问题。

2.1.1 系统限制性的影响研究

系统限制性最初是指“系统将用户的决策过程限制为所有可能过程的特定子集的程度和方式”[8]，决策辅助工具一般通过在系统中嵌入规则来限制用户与决策辅助工具的交互方式。Seow P S调查了系统的限制性是否会影响使用者识别决策辅助工具没有提到的风险，结果显示：使用限制性更强的决策辅助的参与者识别非提示项数量更少，这表明系统较高的限制性程度会增强用户识别系统非提示风险的决策偏见[9]。Masselli J J等则通过一项电子化的税务实验，研究了嵌入式审计标志（审计警告触发器）对报税员的税务报告决策的影响，研究结果表明：加入审计标志会使报税员对纳税申报单的调整更加频繁，所做决策也更保守[10]。

此外，还有文献研究不同类型的决策辅助系统的限制性差异，Dowling C等比较了5家大型国际审计公司所采用的审计支持系统，调查发现决策辅助系统的类型与限制性强弱显著相关;相较于大型项目，小型项目更偏向使用低限制性的系统;作者解释小型项目的审核员往往手工制作客户文件，因此手工清单是主要的决策辅助类型[11]。Arnold V也解釋了不同项目对系统限制性偏好有差别的原因，他认为系统限制性强到一定程度会迫使所有用户执行相同的流程，即流程的标准化，而大型项目更需要标准化的流程;另外，他还指出标准化也意味着思想多样性的消逝，因此过度的限制性也将导致用户对系统的机械化使用[12]。

2.1.2 系统反馈机制的影响研究

反馈机制主要分事前反馈和事后反馈，解释工具是常见的反馈机制形式。Arnold V等调查了知识库系统中的解释工具，发现新手和专家使用系统的方式完全不同;新手偏好系统的事前反馈功能，他们使用解释工具来指导完成任务;而专家则倾向于事后反馈功能，他们通过解释工具来理解系统所做决策的原由;作者认为，新手、专家与系统的认知匹配程度不同，由此对反馈机制的偏好不同，而这种偏好差异可能是为了协调用户所作决策与系统建议之间的差别[5]。也有研究在设计信息系统时，考虑到了反馈机制偏好的差异性，如Yamada T等在设计具有解释功能的实时列车调度交互式系统时，将新手和专业人员对解释功能不同偏好纳入考虑[13]。

此外，Mascha M F等设计了2×2的实验室实验，研究不同任务难度下反馈机制对决策效果的影响，实验控制反馈类型为基于内容（高）和基于规则（低）的2个不同水平的反馈，并设置了2个不同难度的决策任务，通过参与者在使用专家系统软件的前中后期对制造业公司的内部控制环境进行评估的实验，研究发现：对于复杂的案例，较低的反馈水平是有帮助的，而对于非复杂的案例，较高的反馈水平是有帮助的，且复杂任务中基于规则的反馈和非复杂任务中基于内容的反馈都能使经验丰富的决策者做出更准确的决策;结合认知负荷的相关知识，作者认为反馈机制缓和了用户与决策辅助间专业知识的不匹配，从而对用户的技术依赖产生作用[14]。

由上述可知，虽然TTD在信息系统设计方面的研究已经积累不少成果，但现有研究尚有可改进之处：1）除上文提到的系统限制性以及反馈机制，还有其他与技术依赖有关的功能值得研究。例如，许多系统都具备自动填充功能，该功能虽然可以减轻使用者的工作量，但对新手用户而言很可能会造成过度依赖。2）信息技术的进步加快了信息系统的更新频率，但频繁更新可能会给用户带来不适应从而削弱技术依赖的正面作用，尚未有研究考虑系统更新频率带来的影响。3）TTD目前主要应用在会计信息系统设计方面，而各个行业的信息系统中都存在技术依赖现象，且不同行业的用户对系统功能设计的偏好有所不同，因此，将TTD的研究情境拓展到其他行业十分必要。

2.2 信息系统使用过程中的技术依赖研究

在信息系统使用过程中，用户对技术的过度依赖是阻碍信息系统发挥最大作用的原因之一。TTD提出了用户任务经验、决策任务复杂性等影响决策辅助依赖的影响因素，许多学者应用TTD研究信息系统使用过程中的技术依赖问题。

2.2.1 用户特征的影响研究

大部分学者将用户按任务经验区分为新手和专家，研究不同用户使用信息系统的差异。Nogaa T等检验了手工编制报税表的税务人员与使用税务决策支持系统（TDSS）的税务人员所做决策的异同，结果表明：使用TDSS可以提高所有税务人员的决策质量，但与使用TDSS经验丰富的税务人员相比，新手税务人员决策能力较差[15]。Arnold V等则在破产判决的背景下调查了不同专业水平的受试者使用决策辅助工具的效果，他们的结论是：新手更依赖决策辅助的意见，在决策过程中的产生的偏见也更多，而专家使用系统来辅助决策时则会减少偏见，并且在分析和解决复杂问题时，智能决策辅助可看作对专家判断的补充[16]。

另有文献研究了执法、教育情境下的信息系统使用产生的技术依赖。例如，Jensen M L等通过学生（新手）和执法人员（专家）分别使用决策辅助系统检测执法场景中欺骗行为的“可信度评估”实验，探究了复杂任务情境下任务经验对决策辅助使用的影响，结果表明：2组实验对象在使用决策辅助系统后评估准确性都有所提高，并且新手比专业人士更依赖决策辅助，但当系统意见与用户判断相矛盾时，用户往往会忽略系统[17]。Goldwater P M等则考察了基于技术的教育传递系统（TBEDS）对学生（即，新手用户）程序性知识获取的影响，研究发现重复的经验练习与程序知识获取之间存在着很强的相关性，并且当重复练习达到一定的舒适度和熟悉度后，学生更加愿意使用TBEDS[18]。

2.2.2 任务特征的影响研究

任务复杂性是TTD提出的影响智能决策辅助依赖的任务特征。Goddard K等将任务复杂性作为用户过度依赖技术建议（即自动化偏差）的环境因素纳入考量，通过医生在不同复杂程度的模拟处方场景中使用决策辅助系统开处方的实验，结果发现任务复杂度与自动化偏差的程度存在正相关关系[19]。Parkes A等则以用户依赖决策辅助系统的程度衡量系统说服力，通过在破产决策背景下分析影响决策辅助系统说服力的因素，发现任务复杂程度与系统说服力之间存在正相关关系，并且系统提供指导性决策意见可以提高系统说服力[20]。

2.2.3 任务特征与用户特征的交互影响研究

任务特征和用戶个人特征往往共同影响着决策过程，因此也有学者对信息系统使用过程中任务特征与用户特征的交互作用展开研究。Hampton C将任务经验、任务复杂性、决策辅助熟悉度以及认知匹配程度操作化为可测量的变量，采用混合实验设计对TTD第一方面的所有命题进行测试，实验结果支持TTD的整体模型，再次验证了任务特征与用户特征的交互作用[21]。Parkes A则通过65名新手和65名经验丰富的从业者分别使用决策辅助系统完成2项复杂程度不同的破产任务决策的实验，研究发现：任务复杂程度相同时，个人的专业知识与决策辅助依赖程度呈负相关;而随着任务复杂度的提高，使用者对决策辅助工具的依赖性会增加，但专业知识能减轻依赖程度[4]。

综合来看，现有文献应用TTD研究信息系统使用过程中的技术依赖问题仍存在一些不足：1）当前研究主要考虑了任务特征以及用户个人特征对技术依赖的影响，然而个人易受群体的影响，环境因素在用户使用信息系统的过程中不容忽视。例如，在工作中组织政策对用户的技术依赖倾向可能会重要影响。然而，尚未发现研究这些因素对技术依赖影响的文献。2）当前文献主要研究以学习、工作为目的的信息系统，然而用户使用信息系统的目的不同，影响技术依赖的因素可能会有所不同，未来可以将研究领域拓展到以生活、娱乐为目的的信息系统，研究不同目的情景下用户技术依赖是否存在以及存在哪些差异。3）与信息系统设计方面的研究类似，TTD在信息系统使用过程中的研究也主要在会计/审计领域，都采用的是实验室实验研究，实验室实验环境过于理想，无法做到完全模拟真实的决策情境。

[5]Arnold V，Clark N，Collier P A，et al.The Differential Use and Effect of Knowledge-based System Explanations in Novice and Expert Judgement Decisions[J].MIS Quarterly，2006，30（1）：79-97.

[6]Malaescu I，Sutton S G.The Effects of Decision Aid Structural Restrictiveness on Cognitive Load，Perceived Usefulness and Reuse Intentions[J].International Journal of Accounting Information Systems，2015，17：16-36.

[7]Al-Natour S，Benbasat I，Cenfetelli R T.The Effects of Process and Outcome Similarity on Users evaluations of Decision Aids[J].Decision Sciences，2008，39（2）：175-211.

[8]Silver M S.Differential Analysis for Computer-based Decision Support[J].Operations Research，1988，36（6）：904-916.

[9]Seow P S.The Effects of Decision Aid Structural Restrictiveness on Decision-making Outcomes[J].International Journal of Accounting Information Systems，2011，12（1）：40-56.

[10]Masselli J J，Ricketts R C，Arnold V，et al.The Impact of Embedded Intelligent Agents on Tax-reporting Decisions[J].Journal of the American Taxation Association，2002，24（2）：60-78.

[11]Dowling C，Leech S.Audit Support Systems and Decision Aids：Current Practice and Opportunities for Future Research[J].International Journal of Accounting Information Systems，2007，8（2）：92-116.

[12]Arnold V.The Changing Technological Environment and the Future of Behavioural Research in Accounting[J].Accounting and Finance，2018，58：315-339.

[13]Yamada T，Sato T，Tomiyama T，et al.Interactive System with Explanation Function for Real-time Railway Crew Rescheduling[J].IEEJ Transactions on Electrical and Electronic Engineering，2017，12（2）：56-66.

[14]Mascha M F，Smedley G.Can Computerized Decision Aids Do“Damage”？A Case for Tailoring Feedback and Task Complexity Based on Task Experience[J].International Journal of Accounting Information Systems，2007，8（2）：73-91.

[15]Nogaa T，Arnold V.Do Tax Decision Support Systems Affect the Accuracy of Tax Compliance Decisions？[J].International Journal of Accounting Information Systems，2002，3（3）：125-144.

[16]Arnold V，Collier P A，Leech S A，et al.Impact of Intelligent Decision Aids on Expert and Novice Decision-makers Judgments[J].Accounting and Finance，2004，44（1）：1-26.

[17]Jensen M L，Lowry P B，Burgoon J K，et al.Technology Dominance in Complex Decision Making：The Case of Aided Credibility Assessment[J].Journal of Management Information Systems，2010，27（1）：175-202.

[18]Goldwater P M，Zahller K A.Novice-level Knowledge Acquisition Using a Technology-based Educational Delivery System：The Role of Experimental Practice[J].Advances in Accounting Behavioral Research，2010，13：59-88.

[19]Goddard K，Roudsari A，Wyatt J C.Automation Bias：Empirical Results Assessing Influencing Factors[J].International Journal of Medical Informatics，2014，83（5）：368-375.

[20]Parkes A.Persuasive Decision Support：Improving Reliance on Decision Aids[J].Pacific Asia Journal of the Association for Information Systems，2013，4（3）：1-13.

[21]Hampton C.Determinants of Reliance：An Empirical Test of the Theory of Technology Dominance[J].International Journal of Accounting Information Systems，2005，6（4）：217-240.

[22]Dowling C，Leech S A，Moroney R.Audit Support System Design and the Declarative Knowledge of Long-term Users[J].Journal of Emerging Technologies in Accounting，2008，25（1）：99-108.

[23]Dowling C，Knechel W R，Moroney R.Public Oversight of Audit Firms：The Slippery Slope of Enforcing Regulation[J].A Journal of Accounting，Finance and Business Studies，2018，54（3）：353-380.

[24]Federica D S，Claudia P.The Relationship Between Intellectual Capital and Big Data：A Review[J].Meditari Accountancy Research，2018，26（3）：361-380.

[25]Jones S H，Wright M E.The Effects of a Hypertext Learning Aid and Cognitive Style on Performance in Advanced Financial Accounting[J].Issues in Accounting Education，2010，25（1）：35-58.

[26]Mccall H，Arnold V，Sutton S G.Use of Knowledge Management Systems and the Impact on the Acquisition of Explicit Knowledge[J].Journal of Information Systems，2008，22（2）：77-101.

[27]潘云鶴.人工智能走向2.0[J].Engineering，2016，2（4）：51-61.

[28]Venkatesh V，Bala H.Technology Acceptance Model 3 and a Research Agenda on Interventions[J].Decision Sciences，2008，39（2）：273-315.

[29]Nonaka I.A Dynamic Theory of Organizational Knowledge Creation[J].Organization Science，1994，5（1）：14-37.

（责任编辑：郭沫含）