electricsheepafrica/africa-ilo-emp-care-sex-cct-nb-care-employment-by-sex-and-citizenship-thousands

该数据集包含635个观察值，涉及28个非洲国家从2006年至2025年按性别和公民身份划分的付费护理工人就业数据（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT中央统计数据库，通过REST API获取并经过筛选，覆盖非洲ISO3国家代码。数据集使用ILO国际劳工统计学家会议（ICLS）定义进行标准化处理，包含唯一指标EMP_CARE_SEX_CCT_NB，数据列包括国家代码、国家名称、来源代码、来源标签、指标代码、指标标签、性别分类、时间年份、观察值、观察状态等，用于表格分类、回归和时间序列预测任务。数据以年度频率发布，并包含数据质量说明，如使用ILO选择的最佳来源和分类列的非空条件。This dataset contains 635 observations of paid care workers employment data by sex and citizenship (in thousands) across 28 African countries from 2006 to 2025. The data is sourced from the ILOSTAT central statistics database of the International Labour Organization (ILO), retrieved via the REST API and filtered to Africa ISO3 country codes. It is harmonized using ICLS (International Conference of Labour Statisticians) definitions and includes a single indicator EMP_CARE_SEX_CCT_NB. The schema comprises columns such as country code, country name, source code, source label, indicator code, indicator label, sex classification, time year, observed value, observation status, and more, suitable for tabular classification, regression, and time-series forecasting tasks. The data is annual in frequency, with quality caveats like the use of ILO-selected best source and non-null disaggregation columns only when published.

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统计数据库，聚焦非洲地区有偿护理工作者的就业状况。构建过程通过ILOSTAT REST API直接调取指标代码为EMP_CARE_SEX_CCT_NB的原始数据，并依据非洲ISO3国家代码进行地理筛选。ILO统计部门依据国际劳动统计学家会议（ICLS）定义对各国劳动力调查、家庭收支调查等微观数据进行统一协调处理，确保跨国可比性。数据最终以635条观测记录呈现，覆盖28个非洲国家，时间跨度从2006年至2025年。Electric Sheep Africa团队对数据进行了复打包处理，将其整合为机器学习就绪的Parquet格式。

特点

该数据集的核心优势在于其高维度的结构化特征与专业领域的稀缺性。它专门以性别和公民身份为分类维度，详细呈现了非洲国家有偿护理工作者的就业人数（单位：千）。每条记录包含国家代码、数据来源标签、指标定义、性别细分（总、男、女）、公民身份分类、观测年份及数值，并附有观测状态和系列断裂等质量注释信息。数据集虽仅有1个核心指标，但通过分类维度的组合，可衍生出丰富的分析视角，特别适合用于研究非洲地区护理劳动市场的性别差异与劳动力流动趋势。

使用方法

使用者可通过HuggingFace Datasets库的一行代码直接加载数据，`load_dataset`函数会自动将数据集转换为可操作的DataFrame格式。加载后可利用`ref_area`字段按国家筛选，例如提取肯尼亚（KEN）的子集；也可按`indicator`字段定位核心指标，结合`time`字段进行时间序列分析，如绘制观测值随时间变化的折线图。进一步，通过`pivot_table`方法可将数据重塑为国家×年份的矩阵形式，便于进行面板数据分析或机器学习建模。数据以cc-by-4.0许可发布，使用时需同时引用ILO原始来源及Electric Sheep Africa的复打包版本。

背景与挑战

背景概述

在全球劳动统计领域，国际劳工组织（ILO）的ILOSTAT数据库被视为权威数据源，为监测体面劳动目标、分析劳动力市场结构提供了核心支撑。在此背景下，由Electric Sheep Africa于2025年重新打包并发布的非洲护理就业数据集，聚焦于2006至2025年间28个非洲国家的带薪护理工作者数据，涵盖635次观测，并按照性别与国籍进行细分。该数据集的核心研究问题在于揭示非洲大陆护理行业的就业人口分布、性别差异及跨国劳动力流动趋势，为政策制定者、发展经济学家和公共健康研究者提供了精炼而宝贵的时间序列数据，推动了区域就业政策评估和可持续发展目标（SDG）中体面劳动指标的量化分析。

当前挑战

该数据集所解决的领域问题在于，传统的非洲劳动统计往往缺乏对护理这一关键领域的性别和国籍维度的精细刻画，难以支持深入的劳动力市场不平等研究。构建过程中面临的挑战主要包括：其一，ILOSTAT的数据源自各国不同的劳动力调查和行政记录，各来源的统计口径、调查频率和质量标准存在显著差异，数据标准化和溯源标识（如source.label列）成为必要但繁琐的步骤；其二，跨26年时间窗口的数据覆盖不均衡，部分年份和国家观测稀疏，可能导致时间序列分析中的断点和估计偏差；其三，护理行业的界定在国际劳工统计学家会议（ICLS）框架下虽已明确，但在不同非洲国家的实际执行中仍存在分类歧义，数据的可比性和可靠性需谨慎审视。

常用场景

经典使用场景

在非洲劳动经济学与性别研究的交叉领域中，该数据集作为国际劳工组织ILOSTAT官方统计的提炼与整合，为探究有偿照护工作的时空分布提供了结构化视角。研究人员可据此构建面板数据模型，以分析不同性别与国籍身份下照护从业人员的就业规模变迁，尤其适用于追踪2006年至2025年间28个非洲国家的照护劳动参与趋势。其经典应用之一是将数据按时间与国别进行透视，形成国家-年份矩阵，进而利用时间序列回归或固定效应模型，评估经济发展与政策干预对性别化照护就业的影响。

实际应用

在政策制定与社会规划的实际场景中，该数据集为非洲国家劳动部门与国际发展机构提供了宝贵的决策依据。通过观察各性别与国籍群体的照护就业动态，政府可以评估现行照护政策是否实现了体面劳动与公平就业的目标，例如识别哪些群体在照护行业中面临不稳定的就业状态或数据质量标注为‘不可靠’的统计异常。非政府组织亦能利用这些数据设计针对性的职业培训项目，促进女性与移民照护工作者的权益保障，由此推动非洲可持续发展目标中关于性别平等与体面工作的具体进程。

衍生相关工作

该数据集衍生了一系列具有影响力的研究与实践工作，其中最突出的是整合ILOSTAT与非洲各国劳动力调查数据的综合性照护经济建模研究。后续工作包括使用机器学习方法预测照护就业的未来趋势，以及构建比较福利体制的跨国回归分析。此外，Electric Sheep Africa团队通过标准化数据管道与HuggingFace Datasets格式的封装，为低资源环境下的计算社会科学研究降低了技术门槛，使得更多学者能够便捷地复现并扩展ILO的原始统计成果，进而催生了关于非洲照护劳动性别化分工的系列比较实证论文。