了解 Pure 能為您的機構帶來的不同
擺脫數位轉型失敗的「第二十二條軍規」困境
「第二十二條軍規」一詞源自約瑟夫·海勒的同名小說，意指一種無解的僵局，在這種情況下，由於相互矛盾的規則，進展看似絕無可能。任何一位有志推動數位轉型的大學領導者，對這種困境想必都不陌生：明明就是因為基礎架構過於零散才需要轉型，但零散的架構本身卻又反過來阻礙了轉型推動。難道就沒有辦法逃離這個令人頭暈目眩的噩夢嗎？有的，請繼續往下讀……
Key takeaways
84% of academic leaders say effective digital transformation is a priority — but only 48% say they're making good progress. (Elsevier Academic Transformation Survey, 2024)
The core barrier isn't culture or budget. It's a data Catch-22: institutions need transformation to fix their fragmented infrastructure, but can't transform because their infrastructure is fragmented.
AI can accelerate progress, but requires clean, centralized data foundations to deliver real value. Universities must address the problem of legacy data, processes and governance before this can happen.
A purpose-built RIMS breaks the Catch-22: it integrates with existing systems, centralises research data, and provides the reliable foundation every subsequent digital capability depends on.
重新定義高等教育
目前，高等教育正處於充滿挑戰的時期。大學面臨多重壓力，包括政府補助減少、招生人數下降，以及吸收新技術的難度。這些問題背後，是關於學術界在更廣泛社會中的定位，以及教學與研究成果的相關性和影響力的討論日益升高。面對這一複雜局面，大學需要協調一致地回應。許多機構正透過收入來源多元化、與產業合作重新設計課程，或努力展現研究成果在現實世界中的影響，來重新定義高等教育的價值主張。大學也在基礎架構層面支援這些改變，例如採用更靈活的學習環境、培養與在地社群的連結，並推動數位轉型計畫。
數位轉型常被簡單視為數位技術的廣泛整合。但依照其經典學術定義opens in new tab/window，數位轉型的意義要深遠得多：「一系列深入且協調一致的文化、人力與技術轉變，可推動新的教育與營運模式，並轉變機構的商業模式、策略方向和價值主張。」因此，許多學術領導者希望在變動的世界中重新定位所屬機構，並將數位轉型作為推動技術與文化層面機構變革的槓桿，也就不足為奇。然而，這些抱負往往受挫。Elsevier 的2024 Academic Transformation Survey 顯示，在受訪的學術領導者中，84% 表示有效的數位轉型是優先事項，但只有 48% 表示正在取得良好進展。
數位轉型的障礙
那麼，挑戰是什麼？大學的數位轉型通常會因多種原因而停滯。最常被提及的原因之一，是對變革的文化阻力。教職員有時不願採用可能削弱傳統教學或行政自主性的技術。一項近期研究opens in new tab/window指出，這些疑慮可能轉化為「[教職員] 感到不堪負荷、害怕技術與工作保障受到影響，以及對優質高等教育的本質產生意識形態上的歧異 」。雖然人們很容易將這種內部抗拒視為惰性，但部分員工可能面臨相反問題：他們根據其他環境中的經驗，對新技術抱有不切實際的高期待，進而拖慢技術採用。
與這項障礙相關的是策略領導力不足，原因可能是推行過程碎片化，也可能是資深學者缺乏推動此類變革所需的職涯經驗。一些評論者認為，大學以共識為基礎的管理文化opens in new tab/window與數位轉型計畫所需的那種強而有力的指導權威背道而馳 ；也有觀點指出opens in new tab/window，許多大學的組織複雜性，也就是矩陣式、去中心化與分散式組織模式的結合，使任何果斷變革都難以推動。畢竟，數位轉型是一項複雜工程，結合策略、技術與財務挑戰，也包含開發培訓計畫或管理合規議題等執行難題。另一個常見因素是缺乏持續財務投資，或難以招募並留住高素質 IT 人才。這也帶出或許最明顯的障礙，也正是推動轉型最初必要性的關鍵原因之一：基礎架構老舊且碎片化的問題。這裡頭充滿了「第二十二條軍規」的味道 ：大學需要數位轉型，是因為現有基礎架構一團混亂；但大學又無法完成轉型，因為現有基礎架構一團混亂。
管理過去，擁抱未來
學術機構該如何解決這個顯而易見的悖論？ 一些評論者完全迴避這個問題，提出「AI 轉型」已經取代數位轉型opens in new tab/window。但正如大學裡往往零散推行的 AI 計畫所示 ，後者仍是前者的一部分。事實上，雖然這些技術前景可期，卻不是萬靈丹。即使是最先進的 AI，如果沒有持續以高品質資料進行訓練，也可能無法發揮效用。在實務上，這意味著學術機構迫切需要先將舊有內容，包括研究成果、資料集、軟體、音訊/影片紀錄、影像、外部資助專案紀錄與內部核准研究紀錄，整理成一致且連貫的形式，之後才能將 AI 應用於這些內容。簡而言之，如果大學尚未掌握自己的過去，就很難走向未來。
問題在於，許多大學缺乏完成這項工作的數位基礎架構，因此無法發揮內容資產與紀錄的整合力量，更不用說運用其他可能公開或可商業取得的資料集。它們往往受困於碎片化系統、未記錄的流程，以及關鍵人員依賴風險、政策缺失或政策不一致等相關組織問題。每天，大學 IT 團隊都在應對彼此割裂的舊有技術框架。這些框架常常依靠營運層面的「膠帶」維繫，也就是各種巧妙的變通做法，或試算表、共享信箱、離線追蹤表等「影子系統」。這些做法都可能增加工作量、成本與風險，並在報告與合規方面造成潛在危險的盲點。
同時，在資料本身的層面，也常常存在格式不相容的問題，部分原因是資訊分散在多個位置並形成孤島。這可能導致無益的重複：不同系統中的資料對同一個問題給出不同答案；也可能出現相反問題，也就是資料完全缺失或本身不準確。如果沒有至少一定程度的集中化，機構甚至可能無法發現這些衝突、錯誤或遺漏，更不用說加以解決。這會妨礙成功報告；在研究這樣的關鍵領域，還會嚴重扭曲對機構產出與影響力的認識，通常讓研究團隊看起來不如實際那樣高產且有效。對於希望提升聲譽、展現對社會正面影響的大學而言，也就是希望證明公共資金投入獲得穩健回報的大學而言，這是一個嚴重問題。
大學 IT 基礎架構中的研究工作流程
將研究納入大學 IT 基礎架構具有挑戰性，因為其中涉及的使用案例與資料類型極為廣泛，同時還需要在對外展示與協作、內部管理、安全與支援之間取得平衡。有企圖心的機構可能會努力實施 IT 專業人員所稱的「混合基礎架構模型」，將自建資料中心或私有雲與公有雲服務（例如 Azure、Amazon Web Services）整合到單一生態系統中，通常還配有面向使用者的平台或介面。視可用資源而定，機構也可以透過機構典藏庫，以及參考文獻管理工具、專案管理工具等外部工具來補充這項配置，協助管理、展示和追蹤研究資料。整個過程要求極高，需要在 IT 能力以及培訓、客戶服務和變革管理等相鄰領域進行大量長期投資。
考量到自行建置機構研究系統所需的投入規模，加上研究事業日益複雜、確保全球合規的需求更加迫切，以及網路安全威脅持續升高，許多大學轉而選擇導入專門打造的研究資訊管理系統，即 RIMS。RIMS 有時也稱為 Current Research Information System（CRIS，當前研究資訊系統），是研究機構用來集中管理並展示研究生命週期的軟體解決方案。優秀的 RIMS 可以整合並簡化出版物、補助和學術活動相關資料，直接促進機構從手動流程邁向整合式數位生態系統。也有證據顯示，這類系統可以輔助數位轉型中的某些文化層面，例如彌合差距opens in new tab/window，將一些人所認為的傳統圖書館價值（公開取用、透明、中立、隱私）與注重績效和評估的管理重點連結起來。
當然，並非所有 RIMS 都一樣。不同產品的效能差異可能很大，導入成本和複雜性也同樣如此。不過，從數位轉型的角度來看，最大的挑戰可能是確保 RIMS 能夠與大學現有 IT 基礎架構成功整合。系統層面的相容性將降低文化阻力，支援更順暢的採用，並減少潛在網路攻擊入口。它也將協助 RIMS 發揮中央樞紐的作用，連結並對齊分散的資料來源，進而提升行政效率，為策略決策提供依據，並促進研究報告與能見度。歸根究柢，這種由連通性與績效提升所形成的良性循環，正是數位轉型的核心。
Frequently Asked Questions
Digital transformation in research means moving from fragmented, manually-maintained systems toward connected, data-driven infrastructure that supports decision-making at every level. For research institutions, this goes beyond adopting new technology — it requires establishing authoritative data sources, automating compliance and reporting workflows, and creating the conditions for strategic use of research intelligence. Institutions that have undergone this shift report faster response to funding opportunities, stronger national assessment performance, and a reduced administrative burden on researchers.
The most common barriers are data fragmentation, legacy systems that cannot communicate with each other, and a lack of clear data ownership across institutional departments. Research data frequently sits in siloed HR, finance, and publication systems with no single authoritative source. Without a centralized research information layer, institutions struggle to produce consistent reporting, respond to evolving compliance requirements, or demonstrate impact at scale. Cultural resistance and unclear ROI cases are also common — successful transformation programs address governance and change management alongside technology.
Research infrastructure refers to the systems, data, and processes that enable an institution to manage, track, and act on its research activity. It underpins everything from compliance reporting and funding management to researcher profiling and impact assessment. As global competition for research funding intensifies and reporting requirements grow more complex, institutions without robust research infrastructure face a compounding disadvantage — slower reporting cycles, inconsistent data and limited ability to make evidence-based strategic decisions. Investing in research infrastructure is increasingly recognized as a prerequisite for institutional research competitiveness, not an administrative overhead.
When research data lives across disconnected systems — HR, finance, publication repositories, grant management — every report requires manual aggregation, every compliance cycle carries risk of error, and institutional leaders lack the real-time intelligence to act strategically. Fragmentation creates invisible costs: staff time spent reconciling data, duplicated records, missed funding deadlines, and incomplete national assessment submissions. A unified research information layer eliminates these inefficiencies and creates the data foundation that meaningful digital transformation depends on.
Common warning signs include: researchers spending significant time correcting or reconciling data across systems; inconsistencies between what HR, finance, and research office systems report about the same activity; difficulty producing reliable outputs for national assessment exercises or funder reporting; and an inability to answer basic strategic questions — such as which departments are most active in external collaboration, or where grant pipeline gaps exist — without manual data collection. If transformation initiatives are repeatedly stalled by data quality issues or integration failures, infrastructure is almost certainly a root cause rather than a secondary concern.