electricsheepafrica/africa-ilo-emp-stem-sex-how-nb-employment-in-stem-occupations-by-sex-and-weekly-h

该数据集包含2,359个观察值，覆盖30个非洲国家，时间跨度为2009年至2025年，涉及1个独特指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，主题为按性别和每周实际工作小时数划分的STEM职业就业情况（以千计）。数据集通过ILOSTAT REST API获取，并过滤到非洲国家代码，采用国际劳工统计学家会议（ICLS）定义进行标准化处理。数据列包括国家代码、国家名称、来源、指标代码、性别分类、时间年份、观察值等，提供详细的元数据和数据质量说明。This dataset contains 2,359 observations of workers in STEM occupations data across 30 Africa countries, spanning 2009–2025, covering 1 distinct indicator. The data is sourced from ILOSTAT, the ILOs central statistics database, and focuses on employment in STEM occupations by sex and weekly hours actually worked (thousands). It is pulled from the ILOSTAT REST API and filtered to Africa ISO3 country codes, with harmonization using ICLS definitions. The schema includes columns such as ref_area, ref_area.label, source, indicator, sex, time, obs_value, and others, along with metadata and data quality caveats.

搜集汇总

数据集介绍

构建方式

该数据集源自ILOSTAT的REST API，通过筛选非洲ISO3国家代码获取原始数据，并由Electric Sheep Africa进行二次整理与封装。数据内容聚焦于STEM职业就业人数，按性别和实际工作周小时数进行细分，涵盖30个非洲国家从2009年至2025年的年度观测值，共计2,359条记录。ILO基于国际劳工统计学家会议定义，对各国劳动力调查、家庭收入调查等行政记录的微观数据进行统一协调与标准化，确保数据跨国家、跨时间的可比性。数据集中包含了来源标签以追踪每一条记录的原始出处与调查类型。

特点

该数据集的核心特点在于其高度结构化的多维度分解能力。除核心的观测值外，每条记录均附带了性别（总、男、女）以及工作小时数带等分类变量，使用者可据此进行精细的人口子群分析。所有数据以年度频率呈现，覆盖了埃及、毛里求斯、卢旺达等主要非洲经济体，为研究非洲大陆STEM领域就业格局提供了长时间跨度的宝贵素材。此外，数据集还包含了观测状态标记与序列断裂等质量注释，便于研究人员评估每一条数据的可靠性与连续性。

使用方法

使用者可通过HuggingFace的`datasets`库，采用`load_dataset()`函数直接加载数据至Python环境，并轻松转换为Pandas DataFrame进行后续分析。针对特定国家的探索，可构建过滤查询以提取单一国家的时序数据。对于跨国家的比较研究，推荐利用透视表功能，将数据重塑为国家×年份的矩阵形式，便于建模或可视化。由于数据集已按ILO标准预处理好，使用者可直接着手进行回归、分类或时间序列预测等任务，无需额外的复杂清洗步骤。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，经Electric Sheep Africa团队重新整理后，以2,359条观测数据覆盖非洲30个国家，时间跨度从2009年至2025年，聚焦于按性别和周实际工时划分的STEM（科学、技术、工程与数学）职业就业情况。作为ILOSTAT数据库的精炼子集，它依托国际劳工统计学家会议（ICLS）的标准化定义，整合了来自劳动力调查、家庭收支调查等多源数据。该数据集为分析非洲地区女性在STEM领域的参与度、产业结构变迁及性别平等进程提供了关键量化工具，对追踪可持续发展目标中的体面工作和经济增长指标具有重要价值，促进了区域劳动市场比较研究的开展。

当前挑战

该数据集面临的核心挑战在于非洲STEM就业统计的碎片化与质量问题。首先，领域层面，非洲各国劳动力调查的时频、问卷设计及职业分类标准差异显著，如“STEM职业”定义在采矿、农业与传统工程领域间存在模糊，导致跨国可比性受限。其次，构建过程中，ILOSTAT虽进行协调，但约10%的观测被标记为“不可靠”（obs_status=‘U’），且因方法论修订（如note_indicator中的序列中断）造成时间序列断裂，埃及、毛里求斯等高密度国家与布基纳法索等低频国之间的覆盖不均衡，给机器学习模型训练中的缺失值处理与偏差校正带来了严峻挑战。

常用场景

经典使用场景

该数据集聚焦于非洲30个国家2009至2025年间STEM（科学、技术、工程与数学）职业的就业情况，并按性别和每周实际工作小时数进行细致划分。在数据科学领域，它常被用于构建分类与回归模型，以探究不同性别群体在STEM领域就业的结构性差异；同时，其时间跨度特性使其成为时间序列预测的优质素材，研究者可借此预测非洲各国STEM就业的未来趋势。

实际应用

在实际应用层面，该数据集可助力国际组织与非洲国家政府制定精准的就业促进策略。例如，基于性别分层的就业数据能指导定向职业培训项目的设计，优化资源向弱势群体的倾斜；企业亦可借助工时与性别交叉分析，调整雇佣与薪酬结构以提升包容性，促进ESG（环境、社会与治理）合规。

衍生相关工作

该数据集衍生了一系列影响力深远的工作，包括基于ILOSTAT框架的非洲劳动市场动态监测系统，以及结合机器学习模型识别STEM就业驱动因素的研究。此外，它作为基石推动了跨数据集联合分析，例如与教育投入、经济增长指标的关联建模，催生了预测非洲数字化转型中人力资本需求的经典论文，也为后续构建可泛化至其他发展中区域的分析范式提供了参照。