electricsheepafrica/africa-ilo-emp-2tru-sex-age-nb-time-related-underemployment-by-sex-and-age-ilo-mo

该数据集包含非洲53个国家从2005年至2027年的时间相关就业不足（Time-related underemployment）数据，共有10,890个观测值，涵盖1个核心指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过重新打包，以支持表格分类、回归和时间序列预测等任务。数据集包括国家代码、性别和年龄分类、观测年份、观测值等字段，适用于劳动力市场分析和机器学习应用。This dataset contains 10,890 observations of Time-related underemployment data across 53 Africa countries, spanning 2005–2027, covering 1 distinct indicator. It is sourced from the ILOSTAT database of the International Labour Organization (ILO), repackaged for machine learning tasks, and includes fields such as country codes, sex and age disaggregation, observation year, and values, suitable for labour market analysis and ML applications.

搜集汇总

数据集介绍

构建方式

该数据集源自国际劳工组织（ILO）的ILOSTAT数据库，通过调用其REST API接口获取原始指标数据，并筛选出非洲地区53个国家的ISO3国家代码对应的记录。ILOSTAT依据国际劳工统计学家会议（ICLS）的定义对各国劳动力调查微观数据进行统一协调和标准化处理，数据来源在source.label列中予以标注以确保可追溯性。Electric Sheep Africa团队进一步对原始数据进行清洗、重打包，并以Parquet格式存储，最终发布在HuggingFace平台上，支持用户通过`load_dataset()`函数直接加载使用。

使用方法

用户可通过HuggingFace的`datasets`库直接加载该数据集，调用`load_dataset()`函数获取训练集并转换为Pandas DataFrame进行后续分析。针对特定国家的数据，可通过过滤`ref_area`列为对应ISO代码实现提取。对于时间序列分析，可按照`indicator`字段筛选出所需指标，并按`time`列排序后绘制趋势图。此外，用户还可利用pivot_table函数将数据重塑为国家×年份的矩阵形式，便于横向比较不同国家间就业不足状况的演变。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门发布，经Electric Sheep Africa于2026年重新打包并托管于HuggingFace平台，旨在提供非洲53个国家在2005至2027年间按性别和年龄分层的与时间相关的不充分就业（time-related underemployment）的ILO模型估计数据，共计10,890条观测值。时间相关的不充分就业作为衡量劳动力市场非充分利用状态的关键指标，是评估体面劳动目标（SDG 8）进展的重要维度。该数据集通过ILOSTAT API直接获取并经过统一清洗与标准化，为研究非洲区域劳动力结构性转型、性别就业差异以及就业质量演变提供了高时空覆盖的标准化数据基础，对劳动经济学、发展经济学及区域政策研究具有显著的推动价值。

当前挑战

该数据集所解决的领域问题在于，劳动力市场的不充分就业统计在非洲长期面临数据稀疏性、指标定义不统一以及历史序列碎片化的困境，传统调查数据难以支撑跨国家、跨时期的比较分析与时序建模。在构建过程中，数据整合面临多重挑战：首先，需从ILOSTAT的异构调查数据中按照ICLS定义标准化抽取单一指标EMP_2TRU_SEX_AGE_NB；其次，由于各国原始数据来源（如劳动力调查、行政记录）的统计口径与样本代表性存在差异，需依赖ILO的'最优来源'选择机制进行取舍；此外，数据覆盖周期包含未来预测值（至2027年），其模型预估的不确定性对使用者的数据分析策略提出了审慎要求。

常用场景

经典使用场景

该数据集汇聚了国际劳工组织（ILO）对非洲53个国家在2005至2027年间因时间相关因素导致的就业不足情况的建模估计数据，涵盖了按性别与年龄分层的10,890条观测值。研究者常借助此数据集进行时间序列分析与面板数据回归，以追踪非洲大陆劳动市场中弱势群体的就业波动趋势，或通过分类与回归任务预测不同人口子群的就业不足发生率。其结构化的多维度设计，使得社会科学研究者能够便捷地展开跨国比较研究、劳动经济学模型构建以及可持续发展目标（SDG）中体面工作指标的监测评估。

解决学术问题

该数据集有效填补了非洲地区高质量、长时间跨度的劳动市场微观数据的稀缺空白。在学术研究中，它解决了因数据匮乏而难以系统量化“时间相关就业不足”这一隐性失业形式的困境，使研究者得以突破样本局限性，深入剖析性别不平等、代际差异与地域异质性对就业质量的影响。通过ILO标准化的调查方法与统计口径，该数据集为验证人力资本理论、劳动力市场分割假说以及发展经济学中关于非充分就业的经典命题提供了坚实可靠的实证基础，显著推进了非洲劳动经济学与全球劳动统计学的学科发展。

实际应用

在实际应用层面，该数据集为国际发展机构、政府决策部门与非政府组织制定精准就业干预政策提供了量化依据。基于不同国家、性别与年龄群体的就业不足率变化趋势，政策制定者能够识别劳动市场中的脆弱人群，优化就业促进项目的资源配置，并评估现行劳动法规与培训计划的实际效能。此外，该数据也服务于企业的人力资源战略规划，帮助跨国企业在非洲布局时合理预测各区域的劳动力供给质量与潜在用工风险，从而做出更具韧性的商业决策。

数据集最近研究

最新研究方向

该数据集聚焦非洲大陆时间相关未充分就业的性别与年龄分层变迁，前沿研究方向正朝着将ILO模型估计（2005-2027年）与非洲青年就业危机、非正规经济转型及后疫情时代劳动力市场韧性评估相融合。借助长跨度面板数据，研究者可量化未充分就业的性别鸿沟与代际异质性，并结合SDG体面工作目标验证社会经济冲击的传导效应。其意义在于为非洲劳工市场治理提供标准化数据基座，推动以证据为导向的区域就业政策优化。