electricsheepafrica/africa-ilo-how-temp-sex-ocu-mts-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集包含非洲地区按性别、职业和婚姻状况划分的就业人员实际平均每周工作小时数的劳动统计数据，由Electric Sheep Africa从国际劳工组织（ILO）的ILOSTAT数据库中获取并重新打包。数据集涵盖38个非洲国家，时间跨度为1991年至2025年，共包含78,146个观测值，核心指标为HOW_TEMP_SEX_OCU_MTS_NB。数据以年度频率提供，包括国家代码、来源信息、指标代码、性别分类、职业和婚姻状况分类、观测年份、观测数值及数据质量标志等列。数据集适用于表格分类、回归分析和时间序列预测等机器学习任务，旨在为非洲地区的劳动市场研究提供标准化、机器学习就绪的数据支持。This dataset contains labor statistics on mean weekly hours actually worked per employed person by sex, occupation, and marital status in Africa, repackaged by Electric Sheep Africa from the International Labour Organizations ILOSTAT database. It includes 78,146 observations across 38 African countries, spanning from 1991 to 2025, with the core indicator HOW_TEMP_SEX_OCU_MTS_NB. The data is provided at annual frequency and features columns such as country codes, source information, indicator codes, sex disaggregation, occupation and marital status classifications, observation year, observed values, and data quality flags. It is designed for machine learning tasks like tabular classification, regression, and time-series forecasting, offering a standardized, ML-ready data layer for labor market research in Africa.

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 Africa团队重新打包发布。数据通过ILOSTAT REST API直接获取，原始指标代码为HOW_TEMP_SEX_OCU_MTS_NB，随后依据非洲地区ISO3国家代码进行筛选。ILOSTAT本身基于国际劳工统计学家会议（ICLS）定义对各国劳动力调查、家庭收入调查等微观数据进行统一化处理，并在source.label列中标注了数据来源的追踪信息，确保数据生产过程的透明性与可追溯性。

使用方法

用户可通过HuggingFace的datasets库轻松加载该数据集，命令为load_dataset("electricsheepafrica/africa-ilo-how-temp-sex-ocu-mts-nb-mean-weekly-hours-actually-worked-per-employed-per")，加载后可直接转换为Pandas DataFrame以便进行后续分析。典型应用包括按国家代码筛选特定国家数据、绘制单一指标的时间序列图，或通过透视表构建国家×年份的矩阵，便于开展跨国比较与面板数据分析。数据集以Parquet格式存储，读取高效，适合机器学习与计量经济学研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其ILOSTAT平台发布，经Electric Sheep Africa重新整合包装，聚焦非洲大陆38个国家1991至2025年间从业者每周实际工作时长的性别、职业及婚姻状况细分数据。ILOSTAT作为全球劳动统计的权威来源，依托各国劳动力调查与行政记录，遵循国际劳工统计学家会议（ICLS）标准进行数据协调。这一数据集的核心研究问题在于揭示非洲劳动力市场中工作时长的结构性差异，为劳动经济学、性别平等及可持续发展目标（SDG）中的体面工作指标提供量化支撑。其按性别、职业技能和婚姻状况的多维分层能力，不仅丰富了区域劳动研究的粒度，更成为分析非正规就业、工作不稳定性及劳动力市场分割的关键资源，对非洲发展政策制定与国际比较研究具有显著影响力。

当前挑战

该数据集面对的挑战体现在两大层面。其一，在解决领域问题方面，虽然聚焦于工作时长这一核心劳动指标，但非洲各国数据采集标准不一，问卷设计与调查频率存在差异，导致跨国可比性受限；同时，非正规经济从业者、家庭无酬劳动者等群体常被调查遗漏，使得观测值难以全面反映实际劳动投入。其二，在构建过程中，ILOSTAT虽通过‘最佳来源’选择机制处理同一国家年份的多源冲突，但标志为‘不可靠’（U）的观测值仍需审慎对待；分类变量如职业技能、婚姻状况的缺失或粒度不均，以及部分国家（如安哥拉、赞比亚）数据跨度较短，限制了长期趋势分析与时间序列建模的稳健性。这些数据质量与覆盖面的局限性，构成了该数据集在推动非洲劳动研究深入应用时的核心阻碍。

常用场景

经典使用场景

在劳动经济学与发展经济学的研究版图中，该数据集被广泛用于分析非洲大陆不同性别、职业与婚姻状况下就业人口的实际周劳动工时分布格局。研究者可借此深入探讨社会经济转型过程中劳动供给行为的异质性，例如通过面板数据模型评估教育水平提升或产业结构变迁对各类人群劳动时长的影响。其丰富的时间跨度和跨国观测值为比较研究提供了坚实的数据基础，使得描绘非洲各国劳动力市场动态演化的宏观图景成为可能。

解决学术问题

该数据集有效解决了非洲区域因缺乏系统化、标准化微观劳动数据而难以进行跨国比较分析的学术困境。它使得研究者能够量化测试性别工资差距背后的工时差异假说，揭示婚姻状况如何通过家庭分工重塑劳动供给决策，并评估职业分层与劳动强度之间的内在关联。这些维度的精细分解填补了低收入国家劳动统计领域的空白，为修正基于发达国家经验构建的劳动经济学理论提供了关键证据，推动了具有非洲特色的劳动力市场理论创新。

实际应用

在实际应用层面，该数据集为国际劳工组织及各国劳动部门制定针对性就业政策提供了量化支撑。政策制定者可根据不同性别与职业群体在周工时上的显著差异，识别出劳动强度过高或就业不充分的脆弱群体，从而设计差异化的劳动保护标准与工时监管方案。企业人力资源部门亦可依托此类数据，优化行业内的薪酬结构，推动工作与家庭生活平衡计划的落地。非政府组织则能将其用于评估特定社会发展项目对弱势群体劳动福利的实际影响。

数据集最近研究

最新研究方向

基于国际劳工组织ILOSTAT数据源，该数据集聚焦于非洲38个国家1991至2025年间按性别、职业及婚姻状况分类的周均实际工作时间，为劳动经济学与可持续发展目标（SDG 8.5）中的体面工作指标提供了精细化的时间序列支持。前沿研究正围绕非洲非正规就业形态的演进、性别工时差距的跨周期波动，以及职业分层与婚姻状态对劳动供给的交互影响展开。结合ILO最新发布的《世界就业与社会展望》报告，该数据集为量化新冠疫情期间非洲各国工作时间的恢复轨迹、评估数字化转型对传统行业工时的重塑效应，提供了可靠的基准观测面板。其多维度分类特性（涵盖3个性别类别、38个国家及长达34年的时间跨度）显著提升了针对撒哈拉以南非洲劳动力市场异质性分析的建模精度，助力政策制定者识别结构性瓶颈与干预窗口。