The rise of metaverse in health care : a comparison of methods and sources of evidence to scan the horizon

As the foresight field acquires more relevance in academic research, there is an evident lack of well-defined and effective procedures to efficiently scan the horizon. This dissertation aims at the identification and comparison of desk research methods to derive the forces of change and insights that could affect the future of a system. In order to properly investigate this subject, we studied the future of metaverse in healthcare as an exemplary empirical case. In particular, we investigated how to extract useful information from three types of textual sources: academic papers, non- academic articles, academic/scientific/business-oriented reports. The three sources were analysed with three desk research methods: extensive reading, text mining (employing a Latent Dirichlet Allocation algorithm) and bibliometrics analysis. The analyses have underlined the peculiar characteristics of each source. The analyses also showed that text mining and bibliometrics analysis allow for a reliable extraction of forces of change with a significant saving in terms of time and managerial efforts compared to the extensive reading of sources. Meaningful insights for the empirical case were highlighted too, revealing that digitization of healthcare systems, social concerns about security and privacy, the increasing awareness of the important role of widespread diseases (e.g. mental health illnesses, obesity etc...) are the main factors that will influence the future of metaverse in the healthcare sector. Overall, these insights have underlined that metaverse has the potential for becoming a relevant technology in the future of healthcare by introducing new possible applications.

Mentre il campo del foresight acquisisce sempre maggiore importanza nella ricerca accademica, risulta evidente la mancanza di procedure ben definite ed efficaci per effettuare in modo efficiente lo scanning degli orizzonti futuri. Questa tesi mira all'identificazione e al confronto di metodi di desk research per ricavare i fattori di cambiamento e le intuizioni che potrebbero influenzare il futuro di un sistema. Per approfondire adeguatamente l'argomento, abbiamo studiato il futuro del metaverso nella sanità come caso empirico di riferimento. In particolare, abbiamo studiato come estrarre informazioni utili mediante tre tipi di fonti testuali: documenti accademici, articoli non accademici, reports accademici/scientifici/di orientamento aziendale. Le tre fonti sono state analizzate con tre metodi di ricerca documentale: lettura estensiva, text mining (utilizzando un algoritmo di Latent Dirichlet Allocation) e analisi bibliometrica. Le analisi hanno evidenziato le caratteristiche peculiari di ciascuna fonte. Inoltre, le analisi hanno dimostrato che il text mining e l'analisi bibliometrica consentono di estrarre in modo affidabile i fattori di cambiamento con un significativo risparmio in termini di tempo e di sforzi manageriali rispetto alla lettura approfondita delle fonti. Sono stati evidenziati anche spunti significativi per il caso empirico, rivelando che la digitalizzazione dei sistemi sanitari, le preoccupazioni sociali per la sicurezza e per la privacy, la crescente consapevolezza di alcune malattie diffuse (ad esempio, le malattie mentali, l'obesità, ecc.) costituiscono i principali fattori che influenzeranno il futuro del metaverso nel settore sanitario. Nel complesso, questi approfondimenti hanno sottolineato che il metaverso ha il potenziale per diventare una tecnologia rilevante nel futuro della sanità, introducendo nuove possibili applicazioni.