electricsheepafrica/africa-ilo-eip-xplf-sex-dsb-nb-potential-labour-force-by-sex-and-disability-statu

该数据集包含非洲32个国家从2005年至2025年的其他劳动力未充分利用指标数据，共有697个观测值，涵盖1个独特指标（按性别和残疾状况分类的潜在劳动力（千））。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过Electric Sheep Africa重新打包，用于表格分类、回归和时间序列预测任务。数据集包括国家代码、指标代码、时间、观测值、性别分类（总计、男性、女性）等列，并提供了数据质量说明和使用示例。This dataset contains 697 observations of Other measures of labour underutilization data across 32 Africa countries, spanning 2005–2025, covering 1 distinct indicator (Potential labour force by sex and disability status in thousands). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, repackaged by Electric Sheep Africa, and is intended for tabular classification, regression, and time-series forecasting tasks. It includes columns such as country code, indicator code, time, observed value, sex disaggregation (total, male, female), and provides data quality notes and usage examples.

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数据库，专注于非洲地区潜在劳动人口按性别与残疾状态的细分统计。数据通过ILOSTAT提供的REST API接口直接获取，具体指标编码为EIP_XPLF_SEX_DSB_NB，经筛选后仅保留非洲ISO3国家代码对应的观测记录。ILOSTAT采用国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行统一协调，并在source.label字段中标注数据来源以保障可追溯性。最终由Electric Sheep Africa团队重新封装为机器学习就绪的表格数据集，涵盖697条观测数据，横跨2005至2025年，覆盖32个非洲国家。

特点

该数据集的核心特点在于其精细的维度划分与严格的质量控制。观测指标聚焦于潜在劳动人口数量（单位：千人），并按照性别（男性、女性、总计）与残疾状态（残疾、非残疾、总计）进行双重交叉分类，为分析劳动力市场中的不平等现象提供了结构化视角。数据来源于人口普查、劳动力调查等权威渠道，ILO通过优选机制确保每个国家-年份组合使用最佳来源。此外，数据集中包含观测状态标志（如不可靠）与方法论变动备注，帮助研究者识别数据质量波动，增强分析的可信度。

使用方法

用户可通过HuggingFace的datasets库快速加载该数据集，使用`load_dataset()`函数即可获取训练集格式的DataFrame。对于时空分析，可利用`ref_area`字段按国家筛选特定区域数据，或通过`time`列构建时间序列进行趋势分析。支持按指标代码`EIP_XPLF_SEX_DSB_NB`过滤后，利用`obs_value`字段进行pivot操作，生成国家×年份的矩阵数据结构，便于面板数据建模。此外，`sex`和`classif1`字段允许进一步按性别与残疾状态拆分数据，满足多元回归或分类任务的精细化需求。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）通过其核心统计数据库ILOSTAT编制，后经Electric Sheep Africa于2025年重新整理并发布至HuggingFace平台。ILOSTAT是全球劳动统计的权威来源，涵盖200多个经济体的就业、失业、工资等指标，其数据源于各国劳动力调查、家庭收支调查及行政记录，并由ILO统计部门根据国际劳工统计学家会议（ICLS）标准进行统一协调。该数据集聚焦于非洲地区，收集了2005至2025年间32个非洲国家共697条观测记录，核心指标为按性别和残疾状况划分的潜在劳动力（单位：千人）。潜在劳动力是衡量劳动力利用不足的重要指标，包括那些虽未积极求职但仍有工作意愿的群体，这一数据的系统化整理为研究非洲劳动力市场中的弱势群体、评估就业政策效果以及追踪可持续发展目标（SDGs）中体面工作的进展提供了关键数据基础，对发展经济学和劳动经济学领域具有重要学术价值。

当前挑战

该数据集所面临的核心挑战在于多层次的可比性与数据质量问题。首先，在领域问题上，非洲各国劳动力调查的统计口径、抽样方法和调查频率差异显著，ILO虽通过ICLS标准进行协调，但部分国家的数据可能因方法修订（如'Break in series: Methodology revised'标注所示）而导致时间序列不连续，这在跨国家、跨时段比较潜在劳动力指标时构成重大障碍。其次，数据构建过程中面临多重挑战：数据来源分散于各国不同的调查类型（劳动力调查、人口普查等），来源标注（source.label）虽提供了可追溯性，但不同来源间的质量差异使得数据融合困难；标注中出现的'Unreliable'（不可靠）观测值要求用户在使用时进行审慎筛选；此外，数据集仅覆盖32个非洲国家，且各国观测频率不均衡（如卢旺达89条，而布基纳法索仅17条），地域代表性与样本稀疏性问题并存，限制了基于该数据进行稳健统计推断和机器学习建模的能力。

常用场景

经典使用场景

该数据集聚焦于非洲32个国家的潜在劳动力人口，按性别与残疾状态进行细致分层，时间跨度涵盖2005至2025年。其经典使用场景是用于跨国比较和纵向趋势分析，研究者可借助时间序列建模或面板数据回归，揭示不同性别和残疾状态群体在潜在劳动力市场中的参与模式与波动特征，为非洲区域劳动经济学研究提供标准化、结构化的数据基石。

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。一方面，基于ILO官方统计的标准化格式，它常被用于构建预测非洲潜在劳动力变化的宏观计量模型或机器学习基线。另一方面，Electric Sheep Africa等数据管道项目以此为基础，推进了非洲大陆统一、机器就绪（ML-ready）的数据层建设。此外，多位发展经济学学者引用该数据，将其与教育、健康等维度数据关联，深入探讨残疾与性别交互作用下的劳动力市场韧性议题。

数据集最近研究

最新研究方向

该数据集为非洲32国2005至2025年间按性别与残疾状况划分的潜在劳动力规模提供了标准化、可复现的时序面板数据，其前沿研究价值体现在三个方面：其一，结合ILOSTAT对劳动力利用不足指标的最新定义，可响应国际劳工组织关于包容性就业监测的呼吁，聚焦残疾人群体的隐性失业问题，为非洲各国推进《残疾人权利公约》相关劳动力政策提供量化基础；其二，数据与ILO微数据仓库溯源机制联动，支持方法裂变研究，如通过`classif1`字段分析残疾状态与性别交互作用对劳动参与意愿的异质性影响；其三，在联合国2030可持续发展议程框架下，该数据填补了撒哈拉以南非洲区域高频率、细粒度残疾劳工统计的空白，有助于纠正全球劳动数据库中非洲样本覆盖率不足的系统性偏差，为机器学习驱动的劳动力预测模型提供可靠的真实世界训练集。