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

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非洲员工实际平均每周工作时间数据，涵盖38个非洲国家，时间跨度为1996年至2025年，共17,713个观测值。数据按性别（总计、男性、女性）、经济活动和城乡区域进行细分，指标为HOW_XEES_SEX_ECO_GEO_NB，表示按性别、经济活动和城乡划分的员工实际平均每周工作时间。数据集经过标准化处理，适用于表格分类、回归和时间序列预测等机器学习任务，数据来源包括劳动力调查等国家统计资料，并包含数据质量说明和用法示例。This dataset contains mean weekly hours actually worked per employee in Africa, sourced from the International Labour Organizations (ILO) ILOSTAT database, covering 38 African countries from 1996 to 2025, with 17,713 observations. Data is disaggregated by sex (total, male, female), economic activity, and rural/urban areas, with the indicator HOW_XEES_SEX_ECO_GEO_NB representing mean weekly hours actually worked per employee by sex, economic activity, and rural/urban areas. The dataset is normalized for machine learning tasks such as tabular classification, regression, and time-series forecasting, derived from national sources like labour force surveys, and includes data quality notes and usage examples.

搜集汇总

数据集介绍

构建方式

该数据集依托ILOSTAT REST API直接获取原始指标数据，并依照国际劳工统计学家会议（ICLS）定义对各国劳动力调查、家庭收入调查及行政记录中的微观数据进行统一清洗与标准化处理。Electric Sheep Africa团队通过筛选非洲ISO3国家代码，从全球数据库中精准提取涵盖38个非洲国家的观测记录，最终整合为17,713条结构化面板数据。数据采集过程严格遵循cc-by-4.0许可协议，确保来源可追溯，同时在source.label列中标记了每项数据的原始调查类型，从而保证了数据库的可信度与透明性。

使用方法

用户可通过HuggingFace的 datasets 库直接加载数据集，使用load_dataset("electricsheepafrica/africa-ilo-how-xees-sex-eco-geo-nb-mean-weekly-hours-actually-worked-per-employee-by")命令快速获取训练集形式的Pandas DataFrame。针对国家层面的分析，可按ref_area字段过滤特定国家；进行时间序列探索时，可依据indicator和time字段进行排序与绘图。为生成国家-年份矩阵，可利用pivot_table对time和ref_area进行透视，从而获得便于比较的宽表结构，适合于后续面板回归或可视化呈现，极大降低了科研人员的数据预处理门槛。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于其核心统计数据库ILOSTAT中创建，由Electric Sheep Africa于2025年重新打包并发布至HuggingFace平台，旨在提供1996年至2025年间38个非洲国家员工每周实际工作小时数的标准化观测数据。核心研究问题聚焦于通过性别、经济活动和城乡区域三个维度，揭示非洲劳动力市场的工作时间分布模式及其演变趋势。作为ILO推动体面劳动目标（Decent Work）的关键指标之一，该数据集为劳动经济学、发展经济学及公共政策研究提供了翔实的基础数据支撑，尤其填补了非洲区域高分辨率劳动统计数据的长期空白，对理解非正规经济与性别差异对工作时间的影响具有重要意义。

当前挑战

该数据集所解决的领域问题核心在于非洲劳动统计中普遍存在的数据碎片化与跨国可比性缺失的挑战。ILO通过统一整合各国劳动力调查、行政记录等多源异构数据，并依据国际劳动统计学家会议（ICLS）定义进行协调，有效缓解了因各国调查方法、定义差异导致的统计口径不一致问题。构建过程中的主要挑战包括：处理不同来源数据在年份、分类变量上的非完备性，比如部分指标仅在特定年份或维度有观测值；存在因方法论修订（如I11:264标签所示）引发的序列断点，需谨慎处理时间序列的衔接；同时，数据质量标注（如“不可靠”状态）虽提供了透明度，但也提示研究者在建模时需重点考虑缺失值插补与异常值识别策略，以确保下游分类、回归及时间序列预测任务的稳健性。

常用场景

经典使用场景

该数据集汇聚了非洲38个国家自1996年至2025年间雇员实际周均工作时长的详实观测数据，共计17,713条记录。其经典使用场景聚焦于劳动经济学领域的跨国比较与纵向趋势分析。研究者可借助性别、经济活动部门及城乡地域等多重维度，精准刻画非洲大陆不同国家劳动力市场的工作时长演变特征。这一数据集为探讨非洲区域内的劳动供给弹性、工作时长与生产率之间的动态关系提供了坚实的数据基础设施，尤其适用于面板数据建模与多层次回归分析等量化研究范式。

解决学术问题

该数据集有效破解了长期以来非洲劳动统计中数据碎片化、标准不统一与时间跨度不足等关键瓶颈。通过ILOSTAT对各国劳动力调查数据的标准化处理，它支持学者系统性回答工作时长如何随经济结构转型、城市化进程及性别角色变迁而波动等核心学术问题。其意义在于揭示非洲大陆内部劳动市场的异质性，为检验工业化、非正规就业与劳动保护等经典理论假说提供了实证土壤。这一数据资产显著推动了对全球南方国家劳动状况的量化理解，弥补了国际劳动经济学文献中非洲视角的显著缺失。

实际应用

在实际应用层面，该数据集为国际组织、政府机构及非政府组织制定并评估劳动政策提供了量化依据。例如，发展经济学家可利用其监测可持续发展目标（SDG）第八项中关于体面工作与经济增长的具体进展，评估不同国家在工作时间合理性与性别平等方面的差距。此外，数据集中源自各国劳动力调查的精细化分类，使得政策建模者能够针对特定产业或城乡区域模拟最低工资调整、劳动法规修订对雇员工作时长的潜在影响。它也是构建非洲劳动市场预警系统、优化人力资源配置与推动区域一体化政策落地的关键数据支撑。

数据集最近研究

最新研究方向

该数据集聚焦于非洲38个国家1996至2025年间按性别、经济活动及城乡划分的雇员周均实际工时统计，为劳动经济学、性别平等及可持续发展目标（SDG）中的体面劳动研究提供了跨时空的基准数据。当前研究前沿正借助此类细粒度面板数据，结合机器学习与时间序列模型，探讨非洲大陆非正规就业形态的演变、性别工时差异的驱动因素，以及城市化进程中农业向服务业转型对劳动强度的动态影响。ILOSTAT官方的统一标准与Electric Sheep Africa的重新打包，大幅降低了数据获取门槛，使得研究者能系统性评估工时变化与劳动生产率、社会保障覆盖面之间的关联，为制定区域性的包容性劳动政策提供了量化依据。