electricsheepafrica/africa-ilo-emp-snif-sex-rt-informal-employment-rate-in-stem-occupations

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的STEM职业中的非正规就业率（%）指标数据，专门针对非洲地区。数据集涵盖34个非洲国家，时间跨度为2009年至2025年，共包含330个观测值。数据以年度频率收集，涉及一个核心指标：EMP_SNIF_SEX_RT，表示STEM（科学、技术、工程和数学）职业中的非正规就业率百分比。数据集提供了多维度的分类，包括按性别（总计、男性、女性）进行细分。数据来源包括劳动力调查等官方统计，并经过ILO的标准化处理以确保一致性。数据集以表格形式组织，包含国家代码、年份、观测值、数据来源和质量标志等列，适用于表格分类、回归和时间序列预测等机器学习任务。This dataset contains the Informal employment rate in STEM occupations (%) indicator data from the International Labour Organization (ILO) ILOSTAT database, specifically focused on Africa. It covers 34 African countries from 2009 to 2025, with 330 observations. The data is collected annually and centers on one core indicator: EMP_SNIF_SEX_RT, representing the percentage of informal employment in STEM (Science, Technology, Engineering, and Mathematics) occupations. The dataset includes disaggregation by sex (total, male, female). Data sources include official statistics such as labour force surveys, harmonized by the ILO for consistency. Organized in tabular format, it includes columns for country codes, year, observed values, data sources, and quality flags, suitable for machine learning tasks like tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）的ILOSTAT核心统计数据库，经由Electric Sheep Africa团队从官方REST API接口（https://rplumber.ilo.org/data/indicator?id=EMP_SNIF_SEX_RT）直接抽取，并依据非洲ISO3国家代码进行地理范围过滤。原始数据来自各国劳动力调查、住户收入调查及行政记录，ILO统计部门依据国际劳工统计学家会议（ICLS）定义对微观数据进行统一协调与标准化处理。数据集以年度频率呈现，并标注了各观测值的来源标识（source.label），以确保数据的可追溯性。最终整理为330条观测记录，覆盖2009至2025年间34个非洲国家，聚焦STEM职业非正规就业率这一核心指标。

特点

该数据集的核心特色在于其聚焦非洲大陆STEM领域非正规就业率的独特视角，填补了该区域专题数据的空白。数据涵盖34个国家、长达17年的时序观测，提供了性别维度（总、男性、女性）的细粒度分解，便于分析性别差异。每一记录均包含ILOSTAT官方指示符、观测状态标志及数据中断注释，赋予用户对数据质量与一致性的评判能力。此外，数据集采用标准化模式（ref_area、source、indicator、sex、time、obs_value等字段），结构简洁清晰，便于直接接入机器学习或时序分析流程。

使用方法

用户可通过HuggingFace Datasets库的一行命令`load_dataset("electricsheepafrica/africa-ilo-emp-snif-sex-rt-informal-employment-rate-in-stem-occupations")`快速加载数据，并转为pandas DataFrame进行后续操作。支持按国家（如df[df["ref_area"]=="KEN"]）筛选单国子集，或对特定指标（如EMP_SNIF_SEX_RT）按时间排序绘制时序曲线。亦可通过pivot_table方法将数据重塑为国家×年份矩阵，便于跨区域比较或面板数据分析。该数据集天然适配时间序列预测与表格分类/回归任务，其年度频率和缺失值标记（如obs_status）也为数据清洗与插补提供了明确的指引。

背景与挑战

背景概述

在撒哈拉以南非洲地区，STEM领域的非正规就业率是衡量劳动力市场包容性与可持续发展目标进展的关键指标。此数据集由国际劳工组织（ILO）于2025年通过其ILOSTAT数据库发布，并由Electric Sheep Africa在HuggingFace上重新打包，覆盖34个非洲国家2009至2025年间共计330条观测数据。核心研究问题聚焦于揭示非洲大陆STEM职业中非正规就业的性别差异、时空演变与结构性特征。得益于ILO对各国劳动力调查数据的统一协调，该数据集为追踪非洲人力资本质量、评估科技政策效果及推动区域劳动力市场研究提供了标准化且可复用的跨国家基础资源，在劳动经济学与发展研究领域具有显著价值。

当前挑战

该数据集面临的挑战首要体现在领域问题层面：非洲STEM领域非正规就业率的测算需同时突破传统统计覆盖局限与科技职业定义模糊性，尤其需要区分正规/非正规雇佣关系、识别隐性非正规就业，以及处理国家间行业分类与职业编码体系的差异性。构建过程中遭遇数据稀疏性难题——多数国家仅有少量年份的观测值，例如布基纳法索仅9条记录、突尼斯仅6条，导致时间序列建模与跨国比较受限。此外，数据来源标注为ILO精选的“最佳来源”，但不同国家调查周期与问卷设计的不一致，加之系列断裂等质量标记，均增加了统计推论与机器学习建模的误差管控难度。

常用场景

经典使用场景

作为聚焦非洲大陆STEM领域非正规就业率的时序面板数据集，其经典应用在于揭示34个非洲国家在2009至2025年间女性、男性及总体人口在科学、技术、工程与数学岗位中的非正规就业态势。研究者常利用其性别维度（总/男/女）与年度观测值，构建混合效应模型或面板回归，以量化经济发展水平、教育投入与劳动力市场制度对STEM领域非正规就业的差异化影响，从而描绘非洲大陆在可持续就业目标（SDG）框架下的结构性转型进程。

解决学术问题

该数据集系统性地填补了非洲地区STEM职业非正规就业率长期缺乏标准化、跨国可比统计数据的学术空白。通过整合国际劳工组织（ILO）经ICLS定义协调的一手调查微观数据，解决了以往研究中因各国调查口径不一、时间跨度碎片化而难以开展稳健推断的困境。其揭示的性别差异与国别时序波动，为劳动经济学中关于‘非正规性陷阱’与‘技能错配’的理论探讨提供了实证锚点，推动了非洲背景下的就业质量度量与政策评估研究。

衍生相关工作

基于该数据集，衍生了一系列聚焦非洲劳动市场的研究脉络：部分工作将其与ILOSTAT其他指标（如GDP、教育支出）融合，构建综合就业质量指数；另有工作将其作为基准数据，验证基于卫星夜光数据或移动信令数据推断非正规就业规模的机器学习模型。此外，有学者利用其国别面板结构，评估非洲大陆自由贸易区（AfCFTA）对高技能岗位正规化的潜在影响，推动了‘非正规经济’研究向可计算一般均衡（CGE）模型与因果推断方法的深度拓展。