Abstract

Information technology (IT) is a primary enabler of personalization. Various personalization approaches are used to design and implement personalization in technologies and to classify personalization through technologies. Still, personalization studies rarely consider personalization and the role of IT more holistically at the level of digital services. The objective of this thesis is to investigate the role of IT in the personalization of digital health service pathways. The present work applies a service pathway concept as it provides the means by which to consider all the available health services to be included for the individual healthcare user in the context of digital health services. This thesis is framed in information systems (IS) and specifically IS in healthcare. The present work investigates the role of IT in the personalization of digital health service pathways through a multiple-case study approach. The data collected are thematically analyzed to provide understanding on the role IT can play in the personalization of digital health service pathways. As a result of the thematic analysis, this thesis proposes personalization filters that represent the role of IT in the personalization of digital health service pathways. The personalization filters are as follows: (1) the contextual filter, where the role of IT is to consider the healthcare-specific parameters for personalization; (2) the data-driven filter, where the role of IT is to consider the aggregated data parameters for personalization; and (3) the user-specific filter, where the role of IT is to consider the characteristics and preferences of the healthcare user as parameters for personalization. In these personalization filters, IT plays a role that varies from fully automated personalization to a more collaborative form of data-driven decision making to make digital health service pathways more personalized for the individual healthcare user. The work undertaken in this thesis contributes to research and practice by proposing personalization filters that can collectively represent the roles IT can play in the personalization of digital health service pathways.

Tiivistelmä

Personoinnin suunnittelussa voidaan hyödyntää erilaisia lähestymistapoja ja luokituksia. Tietojärjestelmätieteissä nämä lähestymistavat ja luokitukset keskittyvät personoinnin suunnitteluun pääasiassa teknologisen artefaktin, kuten suosittelujärjestelmän, tasolla. Suunnittelu ei niinkään tarkastele personointia ja teknologian roolia kokonaisvaltaisemmin digitaalisten palveluiden tasolla. Tämä tietojärjestelmätieteiden väitöskirja tarkastelee teknologian roolia digitaalisten terveyspalvelupolkujen personoinnissa. Väitöskirja hyödyntää palvelupolun käsitettä, sen mahdollistaessa personoinnin laajemman tarkastelun teknologisen artefaktin sijaan. Väitöskirja tarkastelee tutkittavaa ilmiötä monitapaustutkimuksen kautta ja hyödyntää laadullisia menetelmiä aineiston keräämisessä ja analysoinnissa. Temaattisen analyysin tuloksena väitöskirja esittää kolme personoinnin filtteriä, jotka kuvaavat teknologian rooleja digitaalisten terveyspalvelupolkujen personoinnissa. Personoinnin filtterit ovat: (1) kontekstuaalinen filtteri, missä teknologian rooli on huomioida terveydenhuollolle keskeisiä personoinnin parametreja; (2) datavetoinen filtteri, missä teknologian rooli on huomioida kerääntyneestä datasta nousevia personoinnin parametreja; ja (3) käyttäjäkeskeinen filtteri, missä teknologian rooli on huomioida terveyspalveluiden käyttäjän ominaisuuksia ja mieltymyksiä personoinnin parametreina. Personointifilttereissä teknologian rooli vaihtelee täysin automatisoidusti toteutetusta personoinnista yhteistyöperustaisempaan, datavetoiseen päätöksentekoon, mikä yhdessä muovaa digitaalisesta terveyspalvelupolusta personoidumman yksittäiselle terveyspalvelun käyttäjälle. Tämän väitöskirjan tuloksia voidaan hyödyntää personoinnin tutkimuksessa ja suunnittelussa. Väitöskirjassa esitetyt personoinnin filtterit täydentävät personoinnin tutkimuskentässä esitettyjä personoinnin lähestymistapoja ja luokituksia ja niitä voidaan hyödyntää suunniteltaessa personoituja palvelupolkuja eri konteksteihin.