认知复杂性的概念演化及其前因结果

郭 薇 段锦云 施李晓云

（1 华东师范大学心理与认知科学学院，上海 200062； 2 新疆师范大学心理学院，乌鲁木齐 830017）

1 引言

个体如何理解、判断纷繁复杂的世界，并以此为依据做出恰当的行为反应？ 认知复杂性（cognitive complexity）作为重要的信息加工变量，反映了个体思考的复杂程度， 表明了个体如何构建其所处的世界。这一领域的研究将认知结构变量与社会感知、判断发生的刺激条件紧密地联系在了一起（Burleson＆ Denton， 1997； Woodard et al.， 2021）， 为洞察个体的理解与判断提供了更细致的观察视角。此外，认知复杂性与社会信息处理能力、 人际交往（Burleson ＆ Caplan， 1998； Gelar， 2008）、心理健康（陈会昌， 张红梅， 2007）、行为决策（Moore ＆Tenbrunsel， 2014； Suedfeld， 2010）、组织绩效（Vogelgesang et al.， 2014）等紧密相关。 鉴于认知复杂性的重要性，对认知复杂性的持续研究值得重视。

自1955年Kelly 提出个人建构理论（personal construct theory）以来，认知复杂性慢慢进入心理学研究者的视野。 大量学者针对认知复杂性的结构提出了不同的操作性定义，并开发了相应的评估工具。但由于缺乏一个清晰而连贯的脉络来理解认知复杂性的内涵和外延， 这一领域的发展在很大程度上受到了限制。通过文献梳理发现，认知复杂性概念提出伊始， 许多研究者将分化作为认知复杂性的基本特征开展研究， 更高水平的分化意味着个体能够通过更多维度去思考特定的主题 （Bieri， 1955； Scott，1962）。而后续又有学者从分化和整合两个方面对个体信息处理的水平开展研究 （Crockett， 1965；Schroder， 1967； Suedfeld ＆ Tetlock， 1977； Suedfeld et al.， 1992）。 然而，这些理论发展的经典测量工具需要对材料进行编码及人工评分， 大样本施测耗费大量的人力及时间成本。 随着近几年计算机在测量中的应用改善了这一问题， 认知复杂性的研究有了进一步的发展（Conway， 2014）。 基于此，本文将认知复杂性的概念发展及相应的测量工具开发划分为分化、分化与整合两个阶段，以厘清认知复杂性的内涵和工具的适用范围。 对认知复杂性前因的细致梳理可以更好地理解、验证、发现它与重要变量之间的关系，有助于在未来的研究中更好地预测、解释及应用认知复杂性。此外，全面地梳理认知复杂性的结果有助于更好地理解认知过程对个体的影响，推动认知复杂性研究在不同领域的应用。

2 认知复杂性的概念演化及测量

最初学者对认知复杂性的界定都聚焦于构念系统的分化， 识别更多维度的人被认为比识别更少维度的人更具认知复杂性（Conway et al.， 2014）。 构念是个体解释、预期、评估和理解外部世界的基本认知结构（Kelly， 1955）。 随着研究的日趋深入，认知复杂性的概念并不仅仅局限于构念系统的分化，而是进一步发展为在分化的基础上对构念的进一步组织和整合。

2.1 分化

基于构念系统的分化程度， 以下几位学者认为认知复杂性的相对复杂／简单是解释、理解他人行为的重要因素，也是个体认知系统的一种结构性、发展性特征。

2.1.1 Bieri 对认知复杂性的理解

个人建构理论（personal construct theory）指出，每个人都有自己的个人建构系统， 像科学家一样在生活中不断地形成假设，进行实验，预测并检验假设的正确性（Kelly， 1955）。 通过“假设－实验－检验”的科学过程，个体创造并丰富着个人构念，并通过个人构念指导行为，认知世界。 Kelly（1955）认为构念具有二重性和差异性， 在认识事物时习惯将事物放入一个对立的模式中（例如，黑／白、阴／阳、上／下等等），且不同个体会使用不同的构念来观察、推断、理解和预测世界。

Bieri（1955）基于个人建构理论，引入了认知复杂性的概念， 并将其定义为个体构念系统的分化程度。 其中，分化（differentiation）是指个体在一个特定的话题上所唤起的不同概念的数量。一般来说，构念系统分化程度越高，个体的认知复杂水平越高；而构念系统分化程度越低， 个体的认知越简单（O’Keefe＆ Sypher， 1981）。

Bieri（1955）进一步修订了Kelly（1955）开发的角色结构汇集测验 （role construct repertory test，简称Rep Test）用于测量认知复杂性（见表1）。 测验选取个体在判断他人时常用的外向／害羞、 独立／依赖等人格维度（张梅， 辛自强， 2008）。 Bieri（1966）认为， 如果个体评估他人时在不同维度上的评价存在较大差异，则说明个体认知复杂性程度较高；相反则表明其认知复杂性较低。

表1 关注分化的评估工具简介

Rep Test 作为测量认知复杂性的经典方法为众多研究所使用，其指标和计算方法不尽相同，包括对构念的匹配平均分、相关分析所得的组内相关、基于因素分析所得第一因素解释率、Fiedler 分数等 （辛自强， 池丽萍， 2017）。但实际使用中如何选取适当的指标进行计算， 如何在大样本群体中进行测量和评分，都是研究者需要解决的问题。为了克服这些障碍，Woznyj 等（2020）将Bieri（1955）测验的测量内容和计分方法与互联网平台施测技术进行了结合，并使用在线调查管理网站Qualtrics 对测量结果进行自动评分和分析， 这为后续学者开展认知复杂性的研究提供了更便捷、高效的选择。

2.1.2 Scott 对认知复杂性的理解

Scott（1962）认为，个人的认知内容由客体概念和属性概念组成。 客体概念由个体所理解的事物和认知图示组成；抽象的属性概念内嵌于客体概念中，即同一个属性可能存在于不同客体， 但在不同客体上的表征程度会有所差异。 而认知结构是指客体概念和属性概念之间的关系。 Scott （1962） 与Bieri（1955）相比，对分化的理解较为深入，更关注认知结构的差异性。因此，Scott（1962）将认知复杂性定义为个体用来描述特定领域概念的独立维度数量， 表现为个体在认识和理解周围环境时所使用的互斥性或互不相容的概念数目。

在测量方法上，Scott（1962）认为Rep Test 在评估认知结构的分化程度时， 完全依赖受试者个性的词汇是有失偏颇的； 此外， 任务实施和计分过于复杂，且需要较长时间，容易引起参与者的厌烦。 基于此，Scott （1962） 提出了客体分类法（object sorting test）以测量认知结构的分化程度（见表1）。 其中，客体对象常为各种国家，也可以根据研究需要用照片、图画、单词等替换。 分组任务中，若两个组包含了相同成员，则认为它们表征了相同的属性；反之则表征了对立的属性或一个基本维度的不同类别。 认知复杂性的评估应用了信息论中测量离中趋势的H 指数来进行计算。 公式如下：

其中，H 代表绝对复杂性，指参与者的分类系统中产生的信息维度的数量；N 是被分类的客体总数；Ni 是特定联合组的数量。 Scott（1962）认为，不同的属性越多，维度复杂性越高。 相比Bieri（1955）的测量方法， 该测量工具缩短了测量时间， 计分也更容易。 但由于测量过程中仍需要研究者判断被试分组的模式，因此对研究者的要求较高。

2.1.3 Graf－Vlachy 对认知复杂性的理解

Graf－Vlachy（2020）等将认知复杂性定义为个体进行多样化思维以及细微差别思维的程度。 这里的细微差别是指个体不以简单粗暴的方式进行非黑即白的判断，而是能够敏锐发现差异的思维过程，关注的是思维结构的分化程度。

基于这一定义，Graf－Vlachy 开发了词典参照评估工具（见表1），通过《多样性词典》《细微差异词典》《比较词典》评估个体语言模式的多样性、细微差别和比较特征（Graf－Vlachy， 2020）。 《多样性词典》收录了“但是”“例外”和“然而”等词，其衡量标准是这类词汇的使用数量除以个体在语音样本中的所有语言词汇个数。 这些词语的使用表征了沟通的开放性、透明性以及沟通方式的复杂性。《细微差异词典》由“弱”和“强”语气词词典构成。《弱词典》收录了“好像”“可能”“大约”“显然”和“似乎”等反映思维的细微差别词语，表示低确定性；《强词典》收录了“总是”“将会”“必须”“完全”和“纯粹”等表示高度确定性、绝对主义或黑白思维的词语。 对细微差别的衡量标准是用弱词数量除以个体在语音样本中说出的强词与弱词的总数。《比较词典》收录了“更好”“更早”“更低”和“更难”等词，这些词语表明个体同时在考虑多个不同的概念， 其衡量标准是比较词在所有词语中所占的比率。 研究者基于个体使用词典的词汇比例来衡量认知复杂性这一心理属性， 认知复杂性的得分为多样性、 细微差别和比较三个指标的平均数（Graf－Vlachy， 2020）。

尽管词典参照评估法缺乏对语义的评估， 但已有研究基于词典评估来衡量抽象性／具体性（Pan et al.， 2018）、外向性（Malhotra et al.， 2018）等心理属性， 因而该方法也是值得信赖的。 相比于Bieri（1955）与Scott（1962）提出的传统测量方法，词频统计不仅能够借助计算机快速分析大量文本， 还能有效规避人类编码者的疲劳效应， 并确保统计结果具有多次测量一致性， 这为文本分析提供了较好的测量工具。

2.2 分化与整合

以下几位学者认为对构念的进一步整合也应是认知复杂性的重要方面。 对于认知复杂性是特质还是状态变量，学者们也展开了广泛讨论。

2.2.1 Crockett 对认知复杂性的理解

Werner（1957）的发展理论认为概念合成不是通过单一的操作模式实现的， 而是有各种各样的合成过程。在智力成长过程中，简单低阶的概念合成通过分化增多，再经过整合减少，最终形成更高级的概括形式。 Crockett 将个人建构理论与Werner 的发展理论联系起来，指出认知复杂性反映了个体构念系统的分化程度、清晰程度（具有抽象、精细的构念系统），以及整合程度（组织化、相互关联的程度），有领域特异性 （Crockett， 1965； Burleson ＆ Waltman， 1988）。相对分化、抽象、更具组织性的构念系统的个体具有较高水平的认知复杂性， 反之则具有较低的认知复杂性（Crockett， 1965； Burleson ＆ Caplan， 1998）。

聚焦人际结构，Crockett（1965）开发了角色分类问卷 （role category questionnaire， RCQ）（见表2）。RCQ 主要通过对构念进行编码，以列出自由描述任务中产生的独特结构数量来衡量人们如何区分、整合与沟通相关的认知过程 （O’Keefe ＆ Sypher，1981； Burleson ＆ Waltman， 1988； 张梅， 辛自强， 2008）。 每个描述任务中列出的独特结构的总数独立相加，以产生一个结构差异指数。 分数越低表明可用的结构越少，描述人的系统越简单；分数越高则表明用以描述人的系统越复杂。作为一种定性分析工具，RCQ 需要研究者投入更多的时间，以完成编码员培训、书面材料逐一编码等大量工作。 与传统的角色结构汇集测验和客体分类测验相比，RCQ 相对开放，允许受访者提供他们自己的结构， 并以受访者描述他人的人际维度的数量作为认知分化的指标， 充分考虑了结构的抽象性程度和对构念系统的组织。

表2 关注分化与整合的评估工具简介

2.2.2 Schroder 对认知复杂性的理解

Schroder 等（1967）提出“概念复杂性（conceptual complexity）”这一术语，是指针对某个主题存在的分化的数量和整合的数量，即有多少不同的、可对比的维度以及在不同的维度之间建立联系的次数。 在这些概念化中，分化是整合的基础，整合是对分化的进一步升华。 因此，看到多重维度的人比没有看到的人认知更复杂； 而看到不同维度重叠的人比只看到不同维度但不能识别它们联系的人认知更复杂。

此外，概念复杂性也被认为是一种特质。 在概念上，认知复杂性与认知能力截然不同，认知能力是指一个人推理和解决问题的能力 （Condon ＆Revelle， 2014），而认知复杂性作为一种特质通常被概念化为在不同的时间和不同的情况下仍能持续影响个体行为、 认知或情绪的心理结构（Suedfeld， 2010）。

2.2.3 Suedfeld 和Tetlock 对认知复杂性的理解

在认识到环境因素与信息处理的影响后，Suedfeld 和Tetlock（1977）提出了“综合复杂性（Integrative complexity）”这一概念。 综合复杂性仍然关注分化和整合的程度， 倾向于将认知复杂性看作一种更短暂的、 与情境相关的特征， 而不是一种特质（Suedfeld ＆ Tetlock，1977； Suedfeld et al.，1992）。 研究表明，认知复杂性水平不仅在个体中存在差异，且同一个体在面对不同环境时复杂性水平也会有所差异（Suedfeld ＆ Tetlock，1977）。 认知复杂性的程度被认为是由稳定的内部因素（如概念复杂性）、个体身心状态（如疲劳、情绪唤醒）和外部情境因素（如危险和时间压力）共同决定的，受到内外部因素的综合影响（Suedfeld， 2010； Suedfeld et al.， 1992）。

Suedfeld（2010）认为尽管概念复杂性强调认知复杂性的特质成分， 综合复杂性强调认知复杂性的状态成分，但这种区别完全是理论上的，这两种结构的度量在功能上是相同的， 在概念上都关注了从分化到整合的认知结构（Suedfeld， 2010； Suedfeld et al.， 1992）。 因此，开发的共用的评估工具主要有句子／段落补全测验（SCT／PCT）及档案分析工具（见表2）。 对比这两个工具，它们的评分标准相同，即研究者需要对认知复杂性从1（无分化无整合）到7（高度分化和高度整合）进行赋分，分数2，4 和6 代表概念结构的过渡水平（Baker－Brown et al.， 1992）。 由于需要人工编码， 有争议性的道德或政治立场的材料往往会挑战编码者的客观性。因此，编码时应采取双盲评分程序， 并要求不同个人偏好的编码员分别赋分。 相较于SCT／PCT， 档案分析具有两个优点：其一， 生态效度较高， 档案材料取自生活中已有的材料， 并不是基于特定研究背景产出的相关材料；其二，档案分析注重结构而不是内容，没有对任何立场的固有偏见。

由于人工评分相对耗时， 对评分人员的要求较高，句子／段落补全测验（SCT／PCT）和档案分析这两类评估方法并没有得到充分地利用。 为了方便大样本施测，Conway 等于2014年开发了一个基于赋分指南（Baker－Brown et al.， 1992）的自动化评分软件AutoIC。 该软件既考虑了综合复杂性的差异化成分， 也考虑了综合复杂性的整合成分。 分析表明，AutoIC 与综合复杂性的人工评分相关较高（平均α＝0.62；平均r＝0.46），当控制复杂性的表面标记时，这种相关关系仍然显著（Conway et al.， 2014）。

综上， 几乎所有认知复杂性领域的学者都指出分化是认知复杂性的基本特征，从“分化”到“分化与整合” 的概念演化可以清晰地看到对认知复杂性的认识由表及里，日趋深入。它既可以表征个体认知系统的一种结构性、发展性特征，也可以从动态的视角来理解和看待。

3 影响认知复杂性的因素

3.1 内部因素

从认知过程的发展来看， 个体思维能力的发展可以有效推动认知复杂性的发展。研究发现，认知复杂性与个体大脑的白质完整性、 较好处理速度和执行功能相关（Kaup et al.， 2018）。此外，认知复杂性中的分化和整合有所不同但又相互依存， 二者是沿着不同的轨迹发展的独特的认知过程 （Duys ＆Hedstrom， 2000； Wilkinson et al.， 2020）。 其中，认知复杂性中整合能力的提升与推理能力的发展高度相关（ Moore ＆ Tenbrunsel， 2014）。

3.2 外部因素

认知复杂性中分化的发展依赖于经验、 训练以及多样性环境 （Duys ＆ Hedstrom， 2000； Tadmor et al.， 2012； Wilkinson ＆ Dewell， 2019）。 对职业经理人的认知复杂性的研究发现， 基于分化的认知复杂性会随着工作年限、 个体专业知识的增加而变得更加复杂，行业活力略微放大了这一趋势，行业动荡和职位权力也略微减弱了这一趋势（Graf－Vlachy et al.， 2020）。 这种认知复杂性表现出一种持久的、根深蒂固的倾向，同时，在其任期中也会观察到认知复杂性相对个体基线水平呈现出相当大的差异（Graf－Vlachy， 2020）。 因此，Graf－Vlachy 的研究也印证了认知复杂性既有特质的部分， 也有状态的部分。对国家领导人的认知复杂性研究发现，基于分化与整合的认知复杂性会受到经济局势和政治局势变动的影响（Suedfeld， 2010）。

4 认知复杂性对个体的影响

4.1 认知复杂性对个体决策的影响

认知复杂性作为个体认知过程的重要指标，显著影响个体搜索和解释信息的认知取向。研究发现，拥有更复杂的构念系统的个体具有较强的社会信息处理能力，而社会知觉、信息产生、信息接受过程的控制都需要利用个体的社会信息处理能力（Burleson＆ Caplan， 1998； Burleson ＆ Denton， 1997）。

基于分化的认知复杂性测量发现， 高认知复杂性的决策者具有较高的推理能力和反思能力， 更易做出理性决策， 也有助于个体在不确定的环境中做出较优的决策； 低认知复杂性者更容易采纳他人意见，对问题的思考和分析不够深入，更依赖和信任他人的建议（张文慧等， 2005）。

基于分化与整合的认知复杂性测量发现， 国家领导人的认知复杂性的降低可以有效预测领导人的战争决策。 综合复杂性较高的个体对问题的态度并不极端，这是由于他们能够更好地整合、理解关于该问题的不同方面和复杂争论， 从而减少了态度的两极分化和社会冲突 （De Vries ＆ Walker， 1987；Suedfeld， 2010）。 但也有研究发现认知复杂性与道德决策呈曲线关系， 认知简单和认知复杂都有助于做出道德上较优的决策， 在一定范围内认知复杂性与道德决策正相关， 超过某一界限则与道德决策负相关， 这可能与个体利己和利他的动机有关（Moore＆ Tenbrunsel， 2014）。

4.2 认知复杂性对个体人际互动的影响

自Rep Test、RCQ 使用以来， 认知复杂性作为一种代表社会认知结构特点的个体差异变量被广泛用于社会心理学领域， 特别是在人际交往方面取得了丰硕的成果 （Burleson ＆ Caplan，1998； O’keefe＆ Sypher， 1981）。 通过Rep Test 的测量，基于分化的认知复杂性能够直接和间接地影响个体的压力应对， 研究发现高认知复杂性的个体较少受到人际关系带来的冲击，应对各种压力环境的能力较强，较少产生焦虑（卜楠， 杜秀芳， 2015； 陈会昌， 张红梅，2007； 杨晓莉 等， 2009）， 这与Kelly 提出的个人建构理论的观点是吻合的。

此外，基于分化与整合的认知复杂性研究发现，赢得连任的总统的认知复杂性与个人魅力正相关（Wasike， 2017）。 认知复杂性能有效地预测个体的受欢迎程度， 也会极大地影响个体的交往能力（Gelar， 2008； 张梅等， 2011； Crockett， 1965）。

4.3 认知复杂性对个体工作行为的影响

认知结构的相对复杂／简单对于解释和预测组织行为至关重要， 因为它能够洞察员工如何在他们的环境中感知和处理信息。在组织行为学领域，不管是基于分化还是基于分化与整合， 认知复杂性已被证明与工作决策和工作绩效有关， 且认知复杂性较高的员工在处理工作问题时多采用分析式加工策略， 拥有更多的备选方案， 从而取得更好的绩效（Vogelgesang et al.， 2014； Wofford， 1994）。

对于特定职业而言， 随着心理咨询师的认知复杂性（基于分化与整合）的提高，他们表现出更多元化的视角， 咨询方法更灵活， 对个案的概念化更全面，这有助于帮助咨询师增强自信、减少偏见（Duys＆ Hedstrom， 2000； Magaletta ＆ McLearen， 2015；Wilkinson et al.， 2020）。

5 评价与展望

5.1 现有研究评价

首先，认知复杂性的概念及测量的发展，为研究者们从事认知复杂性的研究奠定了良好的基础。 作为反映认知结构差异的个体变量， 认知复杂性的研究至今已有半个多世纪的历史。 Bieri， Scott， Graf－Vlachy 和Woznyj 关注个体构念的分化程度，Crockett， Schroder 和Suedfeld 不仅关注构念的分化，还关注个体构念系统的整合程度， 学者们对认知复杂性的理解日渐丰富和全面。 多样的测量工具广泛使用于不同的研究领域， 角色结构汇集测验一直用于社会认知方面的研究， 在人际交往领域的大多数研究都采用了角色分类问卷 （Burleson ＆ Caplan，1998），客体分类测验和词典参照评估则更适用于组织行为学领域的研究 （Graf－Vlachy et al.， 2020；Zinkhan， 2004）， 综合复杂性的测量用于政治心理学和临床心理学的诸多研究（Suedfeld， 2010）。

其次，明晰了促进认知复杂性发展的因素。认知复杂性的特质成分受个体自然成熟的影响， 认知复杂性的状态成分受专业知识储备、推理能力、受教育水平、环境等的影响。因此，在理解认知复杂性时，应合理地看待认知复杂性的发展变化， 这是一个从量变到质变的过程。 提高个体认知复杂性可以通过培训、继续教育以及促进知识积累等方式实现。

最后，以往研究关注认知复杂性对社会认知、社会交往及工作行为的影响， 这为个体发展以及职业行为的塑造提供了有效的干预视角。 但以往研究对认知复杂性的消极影响的探究相对较少； 在组织研究中，管理者和员工的认知复杂性对特定行为、组织结果的作用机制还不完善。

5.2 未来研究展望

5.2.1 进一步厘清认知复杂性的概念和适用范围

以往研究中认知复杂性的概念表述、 侧重点都有所不同，这也就决定了使用的领域有所不同。早期理论中， 构念系统的复杂性与简单性对应着高分化和低分化。由于复杂是从差异化的角度理解的，那么简单意味着低分化。 但当分化和整合构成了认知复杂性的新内涵后，整合也是一种简单的体现。那么如何理解认知简单性的问题就摆在了研究者面前。 复杂系统兼具高度可分化和集成性的特点， 而简单系统则为低水平分化和低集成。 未来需进一步厘清不同认知复杂性概念之间的关系， 特别是分化和整合的关系， 在比较以往的研究成果或探讨认知复杂性的影响时应进一步探讨和明确研究中所采纳的认知复杂性的操纵性定义和相应的工具， 以确保研究的构念效度。

5.2.2 探究认知复杂性的消极影响

以往的研究大多聚焦于认知复杂性的积极影响，特别是对社会交往、行为决策等的积极影响。 但也有学者指出， 认知复杂性的提高可能会使决策变得更加困难， 因为管理者会在心理上面临更广泛的相互交织的概念、问题和选择（Graf－Vlachy et al.，2020）。 简单的思维可能会让管理者快速决策、发起改变，而复杂的思维也可能导致个体瞻前顾后，反而停留在现状（Dane， 2010）。 因此，可以进一步关注认知复杂性的消极影响， 并在复杂的组织环境中寻找证据。具体而言，可以进一步探究不同群体认知复杂性对组织行为产生负向影响的边界条件和中介因素， 从而为管理者的有效决策和组织的良性运转提供保障。

5.2.3 完善认知复杂性的影响机制

在理解认知复杂性时， 应同时考虑认知复杂性的状态成分和特质成分。 当认知复杂性作为状态变量考虑时，我们可以探索个体、组织内外因素对它的影响以及它的变化对个体、组织变量的影响。当认知复杂性作为相对稳定的特质来看时， 我们可以更多地思考它的发展和形成。 在认知复杂性的前因研究中，研究群体以企业高管、心理咨询师为主，大多聚焦于专业知识的累积程度、从业经验等因素的讨论，未来可以更多地结合神经认知科学的研究成果进一步丰富对认知复杂性的了解。同时，可以扩大研究群体，进一步考察认知复杂性的一系列背景驱动因素，进一步挖掘不同情景下的认知复杂性发展， 从而完善认知复杂性的影响机制研究。

5.2.4 拓展认知复杂性研究的应用

对于认知复杂性的结果变量的探究早期活跃在社会心理学领域， 但认知复杂性作为重要的信息加工变量，值得在不同的领域开展研究。在管理决策和领导行为领域， 以往的研究发现决策者的认知能力会影响建议接受速度（Barham et al.， 2018）。 尽管认知复杂性不同于认知能力 （Condon ＆ Revelle，2014），但认知复杂性作为个体理解、判断外在世界的重要结构特征， 可能影响决策者对建议内容的分析与判断以及对建议者的信任， 后续研究可以继续探讨它对建议采纳的影响机制及边界条件等。

此外， 复杂性和道德决策之间的曲线关系进一步说明在组织研究中非线性效应可能一直被忽视。未来可以进一步系统地考虑认知复杂性与结果变量之间存在非线性关系的可能性， 探讨认知复杂性对组织结果产生最大效应的“均衡点”，从而更好地应用于个体与组织的发展。

总之， 在信息化高速发展的当下， 认知复杂性是一个有趣且值得深入探索的领域。采用高效、自动化的计分系统作为研究工具正变得越来越普遍，这为我们更全面地测量、了解认知复杂性提供了可能。未来的研究可以围绕以上几点进一步展开， 更清晰地揭示认知复杂性的结果及影响机制， 推动认知复杂性研究在不同领域的应用。