electricsheepafrica/africa-ilo-ees-stem-sex-ins-nb-employees-in-stem-occupations-by-sex-and-public-pr

该数据集包含非洲36个国家在2009年至2025年期间从事STEM（科学、技术、工程和数学）职业的员工数据，按性别和公共/私营部门分类，单位为千。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过ILOSTAT REST API获取，并经过过滤仅包含非洲国家。数据集共1,153个观测值，涵盖一个主要指标（EES_STEM_SEX_INS_NB），提供结构化信息如国家代码、年份、性别分类（总计、男性、女性）、观测值和数据质量标志。适用于表格分类、回归和时间序列预测等机器学习任务，由Electric Sheep Africa重新打包以方便使用。This dataset contains data on employees in STEM (Science, Technology, Engineering, and Mathematics) occupations across 36 African countries from 2009 to 2025, disaggregated by sex and public/private sector, in thousands. Sourced from the International Labour Organization (ILO)s ILOSTAT database, it was retrieved via the ILOSTAT REST API and filtered to include only African countries. With 1,153 observations, it covers one key indicator (EES_STEM_SEX_INS_NB) and includes structured information such as country codes, years, sex classifications (total, male, female), observed values, and data quality flags. Suitable for machine learning tasks like tabular classification, regression, and time-series forecasting, it has been repackaged by Electric Sheep Africa for ease of use.

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中央统计数据库，通过其REST API接口直接抽取指标代码为EES_STEM_SEX_INS_NB的数据，并依据非洲ISO3国家代码进行地理范围筛选。ILO统计部门依据国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行协调处理，数据来源通过source.label列加以标注，确保可追溯性。数据集由Electric Sheep Africa团队重新封装，以Parquet格式发布，便于机器学习框架直接加载。

特点

数据集涵盖36个非洲国家，时间跨度从2009年至2025年，共包含1,153条观测记录，聚焦于按性别及公共/私营部门划分的STEM领域雇员人数（单位：千）。数据提供sex等分类维度，支持按性别（总量、男性、女性）进行细分分析。此外，数据集标注了观测状态旗标和断点序列注释，便于用户评估数据质量与连续性，有效服务于非洲劳动力市场的时空比较研究。

使用方法

用户可通过HuggingFace Datasets库的load_dataset()函数直接加载该数据集，并以Pandas DataFrame形式进行后续处理。典型操作包括按国别筛选（如df[df['ref_area'] == 'KEN']）、针对单一指标构建时间序列并绘图、以及利用pivot_table将数据重塑为国家×年份矩阵。数据集以英文为唯一语言，采用CC-BY-4.0许可协议，在使用时需同时引用原始数据来源及Electric Sheep Africa的再封装版本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，经Electric Sheep Africa在HuggingFace上重新整理，旨在提供非洲36个国家2009至2025年间按性别和公共/私营部门分列的STEM（科学、技术、工程与数学）行业雇员人数（千人）。作为ILOSTAT核心统计数据库的子集，它基于统一的劳动力调查框架和ICLS定义，为非洲大陆的劳动力结构分析提供了标准化、跨国的可比数据。该数据集聚焦于非洲STEM领域的人力资本分布，对于理解区域创新潜力、性别平等进展以及公共政策对高端人才流动的影响具有重要参考价值，已成为发展经济学、劳动经济学与性别研究交叉领域的基础性资源。

当前挑战

该数据集所应对的领域挑战在于非洲各国劳动力调查体系参差不齐，STEM职业的界定标准与数据采集频率差异显著，导致跨国的可比性难以保障。构建过程中主要遭遇三方面困难：一是数据源异构性，原始数据来自各国劳动力调查、行政记录等多种渠道，需经ILO协调统一；二是时间序列的不连续性与标记复杂性，部分国家的数据存在方法修订或可靠性波动，需通过‘obs_status’与‘note_indicator’等字段进行追踪；三是地理覆盖的不均衡性，埃及与毛里求斯观察值丰富，而坦桑尼亚等21国数据稀疏，限制了区域级合成分析的统计效力。

常用场景

经典使用场景

该数据集涵盖了2009至2025年间36个非洲国家STEM领域从业人员的性别与公私部门分布数据，共计1153条观测记录。其经典应用在于构建面板数据模型，以探究非洲大陆不同国家在STEM劳动力结构上的时空演变规律。通过对观测值进行时序分析，研究者可揭示各国STEM就业规模的动态轨迹，并借助性别与部门的分层特征，剖析女性参与STEM工作的结构性障碍与部门间分布差异。此外，该数据集亦常作为机器学习回归任务的基础输入，用于预测未来STEM人力资源的配置趋势。

解决学术问题

在劳动经济学与发展研究的交叉领域中，该数据集精准回应了非洲劳动力市场中女性在STEM领域代表性不足的量化评估难题，填补了区域层面高质量结构化数据的缺口。借助ILOSTAT统一标准，它使得跨国别比较研究得以实现，能够系统审视公私部门制度环境对STEM人才配置的差异化影响。学术层面上，它服务于性别平等与包容性增长的实证检验，为衡量可持续发展目标（SDG 5与SDG 8）在非洲的推进成效提供了可靠的数据基石，推动了关于技能型劳动力迁移、教育回报率以及工业化进程中人力资本积累的讨论。

衍生相关工作

围绕该数据集已衍生出多项经典研究，包括采用固定效应模型或随机效应模型探讨性别工资差距与STEM职业隔离的关联性论文，以及运用多水平建模方法分离国家层面制度因素与个人层面特征对就业结果影响的计量工作。部分研究将其与教育统计数据或经济发展指标进行关联分析，构建了非洲STEM人才流动的预测模型。此外，该数据也作为基准被用于开发时空贝叶斯插值方法，以处理非洲国家间不规则时间序列的缺失值问题，极大推动了缺失数据环境下劳动统计推断的方法论创新。