electricsheepasia/asia-ilo-inj-nftl-sex-mig-nb-cases-of-non-fatal-occupational-injury-by-sex-and

该数据集包含1,416个观察值，涉及31个亚洲国家在1971年至2024年期间的职业伤害数据，涵盖一个具体指标：按性别和移民身份划分的非致命职业伤害案例。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过标准化处理，并以表格形式提供，包括国家代码、来源、指标、性别分类、时间、观察值等列。数据集主要用于表格分类、回归和时间序列预测等任务，专注于亚洲地区的劳动统计。This dataset contains 1,416 observations of occupational injuries data across 31 Asia countries, spanning 1971–2024, covering 1 distinct indicator: Cases of non-fatal occupational injury by sex and migrant status. It is sourced from ILOSTAT, the ILOs central statistics database, and includes structured columns such as country codes, sources, indicators, sex classifications, time, and observed values. The dataset is designed for tabular classification, regression, and time-series forecasting tasks, focusing on labour statistics in Asia.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Asia团队从ILOSTAT官方REST API直接抓取并重新打包而成。原始数据源自国际劳工组织（ILO）统计局，其通过对各国劳动力调查、家庭收入调查、机构调查及行政记录等微观数据进行统一化处理，并依据国际劳工统计学家会议（ICLS）定义进行标准化。数据获取后仅筛选出亚洲31个国家的ISO3代码条目，最终形成包含1416条观测值的表格数据，每条记录均附带来源标签以确保可追溯性。

使用方法

用户可通过HuggingFace Datasets库的load_dataset()函数便捷加载该数据集，并将其转换为Pandas DataFrame进行后续分析。典型应用包括按国家筛选（如印尼）、对单一指标进行时间序列可视化，或通过数据透视构建国家×年份矩阵。数据集以Parquet格式存储，兼容机器学习流水线，支持分类、回归及时间序列预测等任务，非常适合区域劳动力健康与安全领域的量化研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门构建，经Electric Sheep Asia于2024年基于ILOSTAT数据库重新整理后发布。ILOSTAT作为全球劳动统计的权威数据源，汇集了涵盖就业、工资、工伤等领域的标准化指标，其数据来源于各国劳动力调查与行政记录。该数据集聚焦于1971至2024年间亚洲31个国家的非致命职业伤害案例，按性别与移民身份进行细分，旨在为劳动安全、社会保障及移民政策研究提供高分辨率定量依据。它填补了亚洲地区职业伤害交叉变量数据的空白，推动了区域劳动条件评估与国际比较研究的发展。

当前挑战

该数据集面临的首要领域挑战在于亚洲各国职业伤害报告体系的不统一，包括统计口径、法律认定标准及信息披露的差异，导致跨国可比性受限。构建过程中，ILO需整合来源迥异的原始数据（如劳动力调查与行政记录），并依据国际劳动统计学家会议定义进行协调，但部分观测值仍存在数据质量标记（如临时或不稳定值）。此外，数据集仅提供年度频率，遗漏了部分指标的月度或季度序列，限制了对短期波动与季节性效应的分析。移民身份分类的离散性以及少量国家长时序覆盖缺口，进一步增加了模型泛化与因果推断的难度。

常用场景

经典使用场景

在劳动经济学与职业健康研究领域，该数据集最经典的使用场景是分析亚洲各国非致命职业伤害的时空分布特征。研究者可借助其中按性别和移民身份细分的伤害案例数，构建面板数据模型，揭示伤害发生率在不同国家、不同时期的演变规律。例如，利用土耳其、泰国等国的长时序数据，可以量化经济增长、产业结构变迁与职业安全水平之间的关联，或评估劳动保护政策实施前后的干预效果。数据集中性别维度的存在，使得性别差异分析成为可能，有助于剖析女性与男性在职业安全暴露风险上的结构性差异。此外，移民身份标签为探讨流动劳动力是否面临更高的职业伤害风险提供了实证基础，这对于理解劳动力市场中弱势群体的安全困境尤为关键。

解决学术问题

该数据集核心解决了亚洲区域职业伤害研究中多国可比微观数据匮乏的学术瓶颈。长期以来，学界难以获得跨越31个国家、覆盖逾半个世纪的标准化伤害统计，导致跨国比较和政策评估常陷入方法论困境。此数据集的引入，使研究者能够首次系统性地检验非致命职业伤害在性别与移民身份双重维度下的分布异质性，进而回答诸如“移民工人是否承担了更高的职业风险”这类关键学术问题。其意义在于，不仅填补了ILOSTAT数据在亚洲区域的专题整理空白，更推动了劳动经济学中“安全鸿沟”理论的实证扩展。数据集对研究亚洲国家职业安全标准的趋同与分化趋势、评估国际劳工公约的落地效果具有不可替代的学术价值，为构建更公正的全球职业安全治理框架提供了数据支撑。

实际应用

在实际应用中，该数据集直接服务于亚洲各国劳动监察部门与国际组织的职业健康风险监测体系。国际劳工组织（ILO）可依托此数据，动态追踪各成员国在非致命职业伤害方面的防控进展，并据此调整技术援助的优先领域。国家层面的劳工部门能够通过纵向比较自身与他国的伤害率变化，精准定位本国职业安全体系的薄弱环节——例如泰国可以依据时序数据评估制造业安全法规的阶段性成效。对于跨国企业而言，该数据集提供了评估供应链劳动安全基准的窗口，帮助其在高风险区域制定更具针对性的员工保障计划。非政府组织亦可结合移民身份数据，倡导针对流动女工等弱势群体的专项保护政策，将学术发现转化为切实的劳动权益改善行动。

数据集最近研究

最新研究方向

在全球劳动力迁移与职业安全交织的复杂背景下，该数据集聚焦于亚洲31个国家1971至2024年间非致命职业伤害按性别与移民身份分类的统计，为解析迁移劳动力健康不平等提供了关键实证。当前前沿方向集中于利用时序建模与面板数据因果推断，量化移民身份对职业伤害风险的差异化影响，尤其结合新冠疫情期间临时移民工人防护缺口等热点事件，揭示结构性脆弱性。通过ILOSTAT标准化来源的长期追踪，该数据有力支撑了SDG体面工作指标的区域进展评估，并推动交叉性分析（性别×迁移状态）在跨国比较研究中的方法论创新。