electricsheepafrica/africa-ilo-cld-xhaz-sex-age-stu-rt-share-of-children-in-hazardous-work-by-sex-age-and

该数据集包含非洲40个国家在2001年至2025年间关于儿童从事危险工作比例的2,102条观测数据，涵盖1个独特指标（CLD_XHAZ_SEX_AGE_STU_RT）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过ILOSTAT REST API获取，并经过非洲ISO3国家代码过滤。数据集包含多个分类维度，如性别（总计、男性、女性）、年龄（15-17岁等）和学校出勤情况（总计等），每个观测值包括国家代码、年份、观测值及数据质量标志。数据适用于表格分类、回归和时间序列预测任务，可用于分析非洲各国儿童危险工作比例的变化趋势和差异。This dataset contains 2,102 observations of child labour data across 40 African countries, spanning 2001 to 2025, covering 1 distinct indicator (CLD_XHAZ_SEX_AGE_STU_RT). The data is sourced from the International Labour Organizations (ILO) ILOSTAT database, retrieved via the ILOSTAT REST API and filtered to Africa ISO3 country codes. It includes disaggregation dimensions such as sex (total, male, female), age (e.g., 15-17), and school attendance (e.g., total), with each observation containing country codes, year, observed values, and data quality flags. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, enabling analysis of trends and disparities in hazardous child work across African nations.

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织（ILO）的ILOSTAT数据库，聚焦非洲区域童工劳动中危险工作参与率的统计指标。数据通过直接调用ILOSTAT REST API（https://rplumber.ilo.org/data/indicator?id=CLD_XHAZ_SEX_AGE_STU_RT）获取，并依据非洲ISO3国家代码进行筛选过滤。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标准化处理，确保跨国可比性。数据集最终整合了2001年至2025年间40个非洲国家的2,102条观测记录，涵盖性别、年龄及就学状态等多维度细分指标。数据来源在source.label列中标注，以供使用者追溯原始调查类型。

特点

该数据集具有鲜明的非洲区域聚焦特性，收录的2,102条观测数据跨越40个国家，时间跨度达25年，为分析非洲儿童危险工作现象的长期趋势提供了宝贵资源。其核心指标——按性别、年龄和就学状态划分的儿童危险工作参与率（CLD_XHAZ_SEX_AGE_STU_RT）——揭示了这一社会问题的多维结构。数据集的独特优势在于其丰富的分类维度，包括性别（总、男、女）、年龄组别及教育参与状态，使研究人员能够进行精细的交叉分析。数据集还包含了观测状态、数据断裂提示等元数据列，有助于评估数据质量和时间序列的连续性。

使用方法

使用该数据集极为便捷，用户可通过HuggingFace Datasets库直接加载，仅需一行代码`load_dataset("electricsheepafrica/africa-ilo-cld-xhaz-sex-age-stu-rt-share-of-children-in-hazardous-work-by-sex-age-and")`即可将数据转换为Pandas DataFrame格式。研究人员可依据国家代码（ref_area）筛选特定国家数据，或按时间序列对单一指标进行可视化分析。数据集的结构化字段设计使其支持多种分析模式，包括按指标分组的时间序列分析、按性别或年龄分类的对比研究，以及构建国家×年份矩阵进行面板数据分析。数据以Parquet格式打包，适合大规模机器学习应用和统计建模任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门（ILOSTAT）于2025年整理并发布，经Electric Sheep Africa重新打包至HuggingFace平台。作为全球劳动统计的权威来源，ILOSTAT长期致力于通过标准化调查方法监测童工问题，尤其关注非洲地区儿童从事危险工作的比例。数据集涵盖2001至2025年间40个非洲国家的2102条观测记录，核心指标为按性别、年龄及就学状态划分的儿童危险工作参与率。这一精细化分类为剖析非洲童工现象的结构性特征提供了关键数据支撑，也为评估可持续发展目标（SDG）中关于消除童工的进展奠定了量化基础，对劳动经济学、发展政策及人权研究领域具有重要参考价值。

当前挑战

该数据集所应对的核心挑战是非洲地区童工问题的严峻性与数据稀疏性之间的矛盾。尽管ILO已推动调查方法标准化，但非洲多国仍面临调查覆盖不全、时间序列不连贯及数据质量参差不齐等困境，例如部分观测值标注为“系列中断”或“方法修订”，反映了长期数据采集的脆弱性。构建过程中，需从ILOSTAT REST API批量抽取原始数据，并依据ICLS定义对各国微观数据进行统一清洗与分类映射，同时处理多个来源间的择优选择问题。此外，确保地理标签（ISO代码）的准确性、处置按性别、年龄和就学状态等多维度拆分造成的空值，以及维护跨40国、跨度25年的数据一致性，皆是技术实现上的显著挑战。

常用场景

经典使用场景

在非洲劳工统计与儿童保护研究领域，该数据集常被用于量化分析非洲各国儿童从事有害劳动的时空分布特征。凭借其覆盖40个非洲国家、横跨2001至2025年的2,102条观测记录，研究者能够通过性别、年龄组及在校状态的多维细分维度，精准刻画不同群体中儿童从事有害劳动的占比变化趋势。该数据集的经典应用之一是利用时间序列回归模型预测特定国家儿童有害劳动比例的演变路径，或通过面板数据分析探查性别差异、教育参与度与有害劳动发生率之间的交互效应，从而为区域比较研究提供坚实的量化基础。

实际应用

在实际发展干预层面，该数据集为国际劳工组织、联合国儿童基金会及非洲各国劳动部门提供了制定和校准儿童劳动消除策略的关键决策依据。通过解析不同性别与年龄区间儿童在有害劳动中的暴露差异，政策制定者能够精准锁定高风险群体并设计针对性的干预方案，例如针对辍学女童的技能培训项目或针对农业区15至17岁男童的劳动安全法规强化。数据所揭示的年度波动规律亦可帮助监测国家层面行动计划的阶段性成效，及时调整资源分配优先级，使有限的发展援助资金投向最具紧迫性的地区和人群。

衍生相关工作

基于该数据集，学术界已衍生出一系列具有理论影响力的研究工作。其中，利用面板数据分析框架识别童工与家庭贫困代际传递机制的实证研究，揭示了有害劳动对人力资本积累的长期侵蚀效应。另有学者将该数据与教育统计、健康调查等多源数据融合，构建了非洲儿童多维剥夺指数，从而系统评估有害劳动、失学与营养不良之间的协同关系。在方法论层面，该数据集启发了针对稀疏时间序列的贝叶斯插补方法研究，以应对部分国家数据年份不连续的统计挑战，这些创新性的分析框架进一步拓展了发展经济学实证研究的工具箱。