L'appropriation sociale du drone civil et l'évolution de ses usages au Québec
Bibliographic record
Abstract
Le drone civil est une technologie émergente qui occupe une place croissante dans divers secteurs tels que la sécurité, l’agriculture, les loisirs, et la recherche scientifique. Son développement rapide soulève des enjeux sociologiques liés à son appropriation sociale, à l’évolution de ses usages et aux régulations qui l’encadrent. Cette recherche s’interroge sur la manière dont les individus s’approprient cette technologie et comment leurs interactions avec cet objet technique influencent sa transformation et son intégration dans la société. L’objectif principal de cette étude est d’analyser le processus d’appropriation sociale du drone civil en mettant en lumière les interactions entre les concepteurs, les utilisateurs et les régulateurs, et d’examiner comment ces échanges modifient les usages, les fonctionnalités et la perception de cette technologie. Cette analyse s’appuie sur les travaux de la sociologie des techniques, notamment les approches développées par (Akrich, 1989; Callon, 1986 et Latour, 1992) qui mettent en évidence le rôle des usagers dans l’adaptation et la transformation des objets techniques. Selon ces perspectives, les artefacts technologiques ne sont pas des entités fixes, mais des objets dont les usages, le design et les significations évoluent au fil des interactions entre différents acteurs sociaux. En mobilisant également les contributions, de sociologues des sciences et des technologies qui ont travaillé sur la construction sociale des technologies ou l’école de pensée SCOT (social construction of technology) vers la fin des années 80. Leurs travaux nous ont permis de centrer notre cette étude sur les manières et les processus dont le drone civil est façonné par les attentes des utilisateurs, les contraintes réglementaires et les dynamiques collectives, notamment à travers les communautés en ligne. Afin de mieux comprendre ces dynamiques, une approche méthodologique de type mixte a été adoptée, combinant des méthodes qualitatives et quantitatives. Des entretiens ont été réalisés auprès de huit (08) acteurs sociaux impliqués dans le développement ou l’usage du drone, et un questionnaire a été administré à trente-neuf (39) participants afin d’analyser les perceptions et les pratiques des usagers. Les résultats montrent que le drone civil est perçu à la fois comme un outil de loisir, de travail et d’innovation, mais que son appropriation sociale est confrontée à des contraintes réglementaires et à des préoccupations liées à la vie privée, générant des tensions et des résistances dans l’espace public. Par ailleurs, les communautés en ligne, notamment via les groupes spécialisés sur les réseaux sociaux, jouent un rôle central dans le partage des connaissances et dans la construction des usages du drone. Cette étude souligne ainsi la nécessité d’une meilleure sensibilisation, d’éducation et d’une adaptation des cadres réglementaires pour accompagner l’évolution des usages du drone civil. Elle contribue aux réflexions sociologiques sur la manière dont une technologie émergente est socialement construite et intégrée dans la société contemporaine. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Appropriation sociale, évolution sociale, drone civil, DJI, sensibilisation, éducation, polyvalence du drone, usages.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".