electricsheepafrica/africa-ilo-how-xees-sex-ocu-ins-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集包含非洲38个国家从1991年至2025年间关于工作时间的26,847个观测值，核心指标为按性别、职业和公共/私营部门划分的雇员实际平均每周工作小时数（指标代码：HOW_XEES_SEX_OCU_INS_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过API获取并过滤至非洲国家，涵盖了就业、工作时间等劳动统计主题。数据集提供了详细的列结构，包括国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、职业分类、机构部门分类、观测年份、观测值、观测状态标志等字段。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、分类列仅在指标发布细分数据时非空等。该数据集适用于表格分类、表格回归和时间序列预测等任务，旨在为研究人员和开发者提供机器学习就绪的非洲劳动统计数据。This dataset contains 26,847 observations of Hours of work data across 38 Africa countries, spanning from 1991 to 2025, with the core indicator being Mean weekly hours actually worked per employee by sex, occupation and public/private sector (indicator code: HOW_XEES_SEX_OCU_INS_NB). The data is sourced from the International Labour Organization (ILO)s ILOSTAT statistics database, retrieved via API and filtered to African countries, covering labor statistics topics such as employment and working time. The dataset provides a detailed schema including columns for country code, country name, data source, indicator code, sex disaggregation (total, male, female), occupation classification, institutional sector classification, observation year, observed value, observation status flags, and more. Data is published at annual frequency and includes data quality caveats, such as the use of ILO-selected best source and disaggregation columns being non-null only when the indicator publishes that breakdown. This dataset is suitable for tasks like tabular classification, tabular regression, and time-series forecasting, aiming to provide machine learning-ready labor statistics for Africa to researchers and developers.

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）的权威劳动统计数据库ILOSTAT，经由Electric Sheep Africa团队从ILOSTAT REST API直接拉取原始数据，并针对非洲地区进行了精细筛选与重构。具体而言，数据提取通过API端点获取指标HOW_XEES_SEX_OCU_INS_NB的全部观测值，随后依据非洲ISO3国家代码进行地理过滤，最终整合为一份包含26,847条观测记录、覆盖38个非洲国家、时间跨度从1991年至2025年的统一数据集。其构建过程严格遵循ILO国际劳动统计学家会议（ICLS）定义的标准，确保数据来源及处理方法的可追溯性。

特点

该数据集的核心特点在于其聚焦于非洲大陆雇员的实际周均工作时长，并从性别、职业和公共/私营部门三个关键维度进行了细致分解。数据指标HOW_XEES_SEX_OCU_INS_NB提供了按性别（男性、女性、总计）及职业技能水平和机构部门分类的精确观测值，使得研究者能够深入分析不同劳动群体的工作时长差异。此外，数据集还附带了丰富的元数据列，如数据来源标签、观测状态标志及方法修订注释，为评估数据质量和进行严谨的计量分析提供了坚实的基础。

使用方法

该数据集以HuggingFace Datasets库的格式发布，使用者可通过'electric sheep africa/africa-ilo-how-xees-sex-ocu-ins-nb-mean-weekly-hours-actually-worked-per-employee-by'标识符，借助load_dataset()函数一行代码完成加载，并可直接转换为Pandas DataFrame进行后续分析。为了方便多维度探索与时间序列建模，数据集支持按国家代码（如ref_area列的值'KEN'）筛选单国数据，或按指标分组后绘制时间序列图。同时，利用pivot_table方法可便捷地将数据重塑为国家×年份的矩阵形式，为面板数据分析与跨地域横向比较提供了高效简洁的操作路径。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）旗下ILOSTAT数据库于2025年整理发布，经Electric Sheep Africa重新打包后托管于HuggingFace平台。数据集聚焦非洲大陆38个国家1991年至2025年间按性别、职业及公共/私营部门划分的员工平均每周实际工作小时数，共计26,847条观测记录。作为全球劳动统计的权威来源，ILOSTAT通过整合劳动力调查、家庭收入调查及行政记录等多元数据源，为理解非洲地区劳动工时结构提供了关键量化基础。该数据集的发布填补了非洲大陆在精细维度劳动时间指标上的空白，有助于研究者深入剖析性别差异、职业分层与部门属性对工作时间的影响，为国际发展目标中的体面劳动议题提供实证支撑。

当前挑战

该数据集所应对的核心领域挑战在于非洲劳动工时数据的碎片化与统计口径不统一。由于非洲各国经济发展水平、调查能力及统计标准参差不齐，构建过程中需协调ILOSTAT对原始调查微观数据进行标准化处理，依据国际劳工统计学家会议定义进行指标对齐，同时处理因方法论修订导致的序列中断标记。此外，数据采用年度频率，未能涵盖ILOSTAT同样发布的月度或季度序列，限制了高频分析的可能。多来源数据中仅采用ILO选定的“最佳来源”，可能隐含选择性偏差。分类维度中性别、职业与部门的分层非全覆盖，部分国家早期年份数据稀疏，对跨时期、跨国别的稳健比较构成挑战。

常用场景

经典使用场景

在劳动经济学与社会政策研究中，该数据集为分析非洲大陆雇员平均实际周工时提供了宝贵的量化基础。研究者可借助其跨性别、职业类别及公私部门的划分维度，系统考察不同人口群体的劳动强度差异。例如，通过对比男性与女性在技能型与非技能型职业中的工时分布，揭示隐性性别分工对劳动负担的塑造作用。该数据亦支持时间序列分析，允许追踪1991年至2025年间各国工时模式的演变趋势，从而评估经济发展、产业政策或劳动法规对工作节奏的长期影响。其结构化的国家-年份面板数据形式，尤为适合构建回归模型或固定效应分析，以探究工时与生产率、就业结构等宏观经济变量之间的关联机制。

解决学术问题

该数据集直面非洲地区劳动统计长期碎片化、跨国可比性薄弱的学术困境。通过整合国际劳工组织协调后的官方调查数据，它解决了因各国统计口径与调查方法异质性而导致的研究障碍，使学者能够在统一框架下开展跨区域比较分析。其核心价值在于：填补了非洲大陆周工时标准化数据的空白，为检验“工作贫困”、“过度劳动”等理论假说提供了实证支持；同时，性别与职业维度的细粒度细分，使得研究者能够量化分析劳动市场中基于性别的职业隔离与工时不匹配问题，进而推动关于体面劳动、社会不平等与可持续发展目标（特别是SDG 8）的循证研究。

衍生相关工作

围绕该数据集，研究社区已衍生出多类经典工作。其一，基于面板数据的计量分析成为主流，学者采用固定效应模型或工具变量法，探究工时与性别工资差距、产业结构变迁之间的因果关系。其二，时间序列预测模型被广泛应用，例如利用ARIMA或Prophet等方法，对特定国家或行业的未来工时走势进行推断。其三，该数据激发了关于数据融合与异构性处理的方法论研究，包括如何将ILOSTAT数据与非洲各国国家统计局微观调查记录进行匹配校准。此外，部分工作聚焦于数据可视化与交互式仪表盘构建，使非专业用户也能直观探索跨国工时差异。这些衍生成果不仅验证了数据集的核心价值，更推动非洲劳动研究从定性描述迈向可复现的量化分析阶段。