electricsheepeurope/europe-ilo-emp-care-sex-eco-nb-care-employment-by-sex-and-economic-activity-thous

该数据集名为按性别和经济活动划分的护理就业人数（千）| 欧洲（ILOSTAT），是一个表格型数据集，专注于欧洲国家的付费护理工作者就业统计。它包含16,395个观测值，覆盖15个欧洲国家（如瑞士、英国、法国等），时间跨度为1996年至2025年。核心指标为EMP_CARE_SEX_ECO_NB，表示按性别和经济活动划分的护理就业人数，以千为单位。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过标准化处理，确保与ILO统计定义一致。数据集包含多个维度列，如国家代码、年份、性别分类（总计、男性、女性）、经济活动和数据来源等，适用于机器学习任务，如表格分类、回归和时间序列预测。数据以年度频率发布，并包含数据质量注释，如观测状态标志（如不可靠数据）。数据集由Electric Sheep Europe重新打包，以Parquet格式提供，便于使用Hugging Face的`load_dataset()`加载和分析。This dataset, titled Care employment by sex and economic activity (thousands) | Europe (ILOSTAT), is a tabular dataset focusing on paid care worker employment statistics for European countries. It contains 16,395 observations across 15 European countries (e.g., Switzerland, United Kingdom, France), spanning the years 1996 to 2025. The core indicator is EMP_CARE_SEX_ECO_NB, which represents care employment by sex and economic activity in thousands. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and harmonized to align with ILO statistical definitions. The dataset includes multiple dimension columns such as country codes, year, sex disaggregation (total, male, female), economic activity, and data sources, making it suitable for machine learning tasks like tabular classification, regression, and time-series forecasting. Data is published at annual frequency and includes quality annotations like observation status flags (e.g., unreliable). Repackaged by Electric Sheep Europe in Parquet format, it is easily accessible via Hugging Faces `load_dataset()` for analysis.

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，经由Electric Sheep Europe团队重新封装整理而成。数据集通过调用ILOSTAT REST API直接获取原始指标数据，其指标代码为EMP_CARE_SEX_ECO_NB，涵盖了有偿护理工作者在不同性别与经济活动分类下的就业状况（单位：千人）。在数据获取后，研究人员依据欧洲ISO3国家代码进行了地理范围过滤，并利用ICLS（国际劳工统计学家会议）定义对原始调查微观数据进行协调统一，最终构建出包含16,395条观测记录、覆盖15个欧洲国家、时间跨度自1996年至2025年的结构化表格数据集。

特点

本数据集具有鲜明的多元细分与时间序列特征。在维度划分上，其提供了性别（总、男性、女性）与经济活动的分类视角，使用户能够深入剖析护理行业就业结构的异质性。数据涵盖15个欧洲国家，时间跨度近三十年，为纵向比较和趋势分析奠定了坚实基础。同时，数据集通过‘source.label’字段标注了数据来源（如劳动力调查），并提供了观测状态标记（如‘Unreliable’）及序列中断等注释信息，极大地增强了数据的可追溯性与质量透明度，便于研究者审慎评估数据可靠性。

使用方法

该数据集的使用极为便捷，完全遵循HuggingFace Datasets库的标准化接口。用户可以直接调用`load_dataset("electricsheepeurope/europe-ilo-emp-care-sex-eco-nb-care-employment-by-sex-and-economic-activity-thous")`完成加载，并利用`to_pandas()`方法转换为DataFrame进行后续分析。典型应用包括：按国家代码筛选特定国家子集，构建各国护理就业规模的时间序列并绘制趋势图，或通过数据透视表将数据重塑为国家×年份的矩阵形式，便于执行面板数据分析、回归建模及时间序列预测等任务。

背景与挑战

背景概述

在劳动经济学与社会政策研究领域，照料经济（care economy）工作者的就业状况长期缺乏系统性的跨国可比数据。由国际劳工组织（ILO）统计部构建、经Electric Sheep Europe于2025年重新整理的“europe-ilo-emp-care-sex-eco-nb-care-employment-by-sex-and-economic-activity-thous”数据集，聚焦欧洲15国1996至2025年间按性别及经济活动分类的有偿照料工作者就业人数（单位：千）。该数据集源于ILOSTAT官方数据库，依托ILO对各国劳动力调查数据的协调与ICLS定义标准化处理，总计16,395条观测，覆盖性别、经济活动行业等核心分化维度。作为首套面向欧洲区域、针对照料就业细分的高频面板数据，它为研究性别职业隔离、照料劳动价值估算及欧洲劳动市场结构性变迁提供了宝贵的基础资源。

当前挑战

该数据集面对的领域挑战在于，全球劳动力统计中长期缺乏对“有偿照料工作”这一交叉范畴的统一界定、测量与跨国际比较框架，导致相关公共政策的制定缺乏数据支撑。构建过程中，ILOSTAT需协调来自15国、跨越三十年的多种原始调查（如劳动力调查、家计调查），处理因各国统计口径差异、行业分类体系变更（如ISIC修订）以及调查方法改进（如断点标注）所带来的数据一致性问题。此外，部分观测值的质量标记为“不可靠”或“临时性”，年份覆盖不均衡（如西班牙仅2001–2011年、意大利2014–2020年），且缺乏月度与季度高频数据，限制了细粒度时间序列分析与动态回归建模的可靠性。

常用场景

经典使用场景

该数据集记录了1996年至2025年间15个欧洲国家按性别和经济活动划分的有偿护理从业人员数量（单位：千人），是劳动经济学与性别研究领域极为珍贵的时序面板数据。经典的使用场景在于构建多维度回归模型，探究护理行业就业规模随时间的演变趋势，以及性别差异在不同经济部门中的动态分布。研究者常利用该数据集进行固定效应或随机效应分析，以揭示国家间护理就业模式的异质性。通过结合ILOSTAT的统一分类标准，数据的高度可比性使得跨国横向比较与纵向因果推断成为可能，为理解欧洲护理经济的地理与社会结构提供了坚实的数据基础。

衍生相关工作

基于此数据集，衍生出若干具有影响力的经典工作脉络。在计量经济学领域，学者们利用其丰富的面板结构验证了性别工资差距与就业部门选择之间的交互假说，产出了一系列关于护理就业弹性的研究。社会政策研究中，数据集被用于构建跨国福利体制分类模型，并探讨不同类型的护理工作在经济周期中的稳定性。在机器学习与时间序列预测方向，研究者以此为训练素材，开发了针对劳动力市场指标的预测模型，将长短期记忆网络（LSTM）与贝叶斯结构时间序列结合，以推断未来护理就业规模与结构性变化。这些工作不仅提升了数据的科学利用价值，也拓展了交叉学科对护理经济动态变迁的认知边界。

数据集最近研究

最新研究方向

该数据集基于国际劳工组织ILOSTAT权威数据库，涵盖了1996至2025年间15个欧洲国家有偿照护工作者（Paid care workers）的就业数据，按性别与经济活动类别进行精细划分。在劳动经济学与性别研究的前沿领域，该数据集为追踪照护经济（Care Economy）的结构性演变提供了高分辨率的时间序列素材，尤其契合当前欧洲各国围绕“人口老龄化与长期照护劳动力短缺”、“女性照护就业不稳定性”以及“绿色转型中的社会照护体系重塑”等热点议题的实证需求。研究者可借助其丰富的分类变量，剖析不同经济部门内照护工作的性别隔离程度与就业质量，进而为政策制定者评估照护劳动的社会价值与优化资源配置提供数据驱动的洞察，推动可持续照护体系的构建。