electricsheepasia/asia-ilo-cld-xsna-sex-age-ste-nb-children-in-employment-by-sex-age-and-status-in-em

该数据集包含亚洲29个国家在1996年至2025年期间的童工数据，具体涉及按性别、年龄和就业状况分类的童工数量（以千人为单位）。数据集包含2,222个观测值和1个独特指标（CLD_XSNA_SEX_AGE_STE_NB），数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为亚洲国家。数据以表格形式组织，包括国家代码、指标、性别分类、时间、观测值等列，适用于表格分类、回归和时间序列预测等任务。数据集还提供了数据质量说明和使用示例，如按国家过滤、时间序列分析和数据透视。This dataset contains 2,222 observations of child labour data across 29 Asia countries, spanning 1996–2025, covering 1 distinct indicator (CLD_XSNA_SEX_AGE_STE_NB). It provides data on children in employment by sex, age and status in employment (thousands), sourced from the ILOSTAT database of the International Labour Organization (ILO), filtered to Asia ISO3 country codes. The data is structured in tabular format with columns such as country code, indicator, sex disaggregation, time, observed value, and more, suitable for tabular classification, regression, and time-series forecasting tasks. The dataset includes data quality notes and usage examples for filtering, time-series analysis, and pivoting.

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中央统计数据库，通过调用其REST API接口直接拉取指标CLD_XSNA_SEX_AGE_STE_NB的原始数据，并依据亚洲ISO3国家代码进行地理过滤。ILOSTAT本身基于各国劳动力调查、家庭收支调查等微观数据，采用国际劳工统计学家会议（ICLS）定义进行标准化处理，数据集在源代码列中保留了可追溯的数据来源标识。最终由Electric Sheep Asia团队整合为2,222条观测记录，覆盖29个亚洲国家，时间跨度从1996年至2025年，以Parquet格式封装并发布至HuggingFace平台，支持一行代码加载。

使用方法

用户可通过HuggingFace的datasets库以load_dataset函数直接加载该数据集，并转换为Pandas DataFrame进行后续分析。典型应用包括：按国家代码过滤后开展国别儿童就业趋势研究，对单一指标进行时间序列可视化，或利用pivot_table构建国家×年份的矩阵面板数据。数据集的列名与ILOSTAT官方输出保持一致，便于用户参照原始文档进行指标解读，同时支持基于sex等维度进行子群体交叉分析，适用于劳动经济学、发展经济学和儿童保护政策研究领域的定量建模与统计描述。

背景与挑战

背景概述

童工问题一直是国际劳工组织（ILO）关注的全球性社会议题，尤其在亚洲地区，由于经济发展不均衡、劳动力市场结构复杂以及监管体系差异，童工数据的系统化采集与分析面临重重困难。为此，ILO的统计数据库ILOSTAT于近年整合了来自29个亚洲国家、覆盖1996至2025年的童工就业数据，形成了本数据集，并于2025年由Electric Sheep Asia重新封装发布。该数据集聚焦于就业状态、性别与年龄等多维视角下的童工数量（以千计），旨在为政策制定者、学者与社会组织提供标准化、可比较的统计基础。作为ILO劳动统计的核心产出之一，该数据集在推动全球童工消除目标（如SDG 8.7）的实证研究中具有重要影响力，成为评估区域童工趋势与干预效果的关键工具。

当前挑战

本数据集所面对的领域挑战在于，童工现象常因隐蔽性、非正式性与法律界定不一而难以精准量化，不同国家的调查方法、年龄分段与就业状态分类标准存在显著差异，导致跨国比较与趋势分析充满不确定性。在构建过程中，ILOSTAT需从各国劳动力调查、家庭收支调查等多元来源中整合原始微观数据，并依据国际劳工统计学家会议（ICLS）定义进行统一归化，此过程面临数据缺失、指标不连续以及来源标注复杂等问题。此外，部分观测值被标记为“不可靠”，且存在因方法修订导致的序列断裂，进一步增加了模型训练与预测的难度，要求使用者谨慎处理数据质量标记与分类维度对齐等预处理挑战。

常用场景

经典使用场景

该数据集的核心价值在于为亚洲地区童工现象的研究提供了系统化、标准化的量化基础。研究者可借助其包含的性别、年龄及就业身份等细粒度分层维度，深入分析不同亚群中童工分布的差异特征。典型应用包括构建面板数据模型，探讨经济发展水平、教育普及率与童工规模之间的动态关联，或利用时间序列预测方法估算未来童工数量的演变趋势。该数据在ILO统一的国际劳工统计会议定义框架下完成整合，确保了跨国比较的严谨性，因而被广泛用于评估区域反童工政策的有效性，并作为联合国可持续发展目标中体面工作指标的量化依据。

解决学术问题

该数据集有效填补了亚洲地区跨境童工长期面板数据的稀缺空白。传统研究中，各国童工统计数据因调查口径、时间跨度及分类标准各异而难以整合，该数据通过ILOSTAT的规范化处理，提供了自1996年至2025年覆盖29个国家的连贯序列，解决了跨文化比较中的方法论不一致问题。学术研究中，它尤其适用于探究童工现象的性别不平等机制、年龄阶段转化规律，以及非正规就业形态对儿童福祉的侵蚀效应。其存在使得关于童工与贫困代际传递、教育机会剥夺等假说的实证检验成为可能，对劳动经济学与发展经济学的理论构建具有重要支撑作用。

实际应用

在实际政策制定与监测领域，该数据集为国际组织、各国劳工部门及非政府机构提供了关键决策依据。例如，基于该数据可识别童工问题的高发年龄段与性别失衡严重的国家，从而精准分配干预资源，设计差异化的教育普及与劳动监察方案。跨国企业与社会责任审计机构可借助该数据评估供应链所在国的童工风险等级，优化合规调查流程。此外，可持续发展目标报告的撰写中，该数据集作为权威来源，被用于量化各国在‘消除童工’目标上的进展与短板，推动国际合作框架的完善。

数据集最近研究

最新研究方向

在当前全球劳动力市场深刻变革与联合国可持续发展目标（SDGs）加速推进的背景下，该数据集所聚焦的亚洲地区童工问题正成为国际劳工组织（ILO）及多国政策制定者关注的前沿焦点。作为ILOSTAT旗舰指标的整合版本，这一横跨1996至2025年、覆盖29个亚洲国家的观测数据，为量化分析亚洲区域童工规模、性别差异与就业身份结构提供了珍贵的时间序列证据。近期研究热点集中于利用该数据揭示童工现象的时空演变规律，探讨经济危机、新冠疫情及地缘冲突后童工率的异常波动，并评估各国劳动法规与教育普惠政策对减少童工的实际效能。此外，结合机器学习对缺失值进行插补及预测建模，以弥补欠发达国家调查数据稀疏的短板，已成为方法论创新的重要方向。该数据集的公开发布不仅填补了亚洲区域童工委统计的空白，更通过标准化的Harmonized格式与API接口，推动了跨界别、跨时期的元分析发展，为全球南方国家制定以证据为基础的童工清零路线图提供了坚实的数据基石。