electricsheepeurope/europe-ilo-how-uees-sex-nb-mean-weekly-hours-usually-worked-per-employee-by-s

该数据集包含欧洲39个国家员工平均每周通常工作时间的统计数据，时间跨度为1983年至2025年，共有3,351个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，覆盖按性别（总人口、男性、女性）细分的工作小时数指标（HOW_UEES_SEX_NB）。数据集经过Electric Sheep Europe重新打包，以标准化格式提供，便于机器学习应用。它包括国家代码、数据来源、观测年份、观测值及状态标志等详细列，用于分析欧洲劳动力市场的工作时间趋势。This dataset contains 3,351 observations of mean weekly hours usually worked per employee across 39 Europe countries, spanning 1983 to 2025, with data disaggregated by sex (total, male, female). It is sourced from the International Labour Organizations ILOSTAT database, repackaged by Electric Sheep Europe for machine learning readiness. The dataset includes detailed metadata such as country codes, data sources, observation years, values, and status flags, focusing on the indicator HOW_UEES_SEX_NB for analyzing labor market trends in Europe.

搜集汇总

数据集介绍

构建方式

该数据集源自ILOSTAT，由国际劳工组织通过整合各国劳动力调查、家庭收入调查、企业调查及行政记录等多元数据源构建而成。数据通过ILOSTAT REST API直接抽取，指标为“按性别划分的雇员通常每周平均工作时间”，并筛选至39个欧洲国家的观测值。ILO统计部门依据国际劳工统计学家会议定义对原始调查微观数据进行统一协调，确保跨国可比性，来源信息在`source.label`列中予以标记，便于追溯。

特点

数据集涵盖1983年至2025年间39个欧洲国家的3,351条观测记录，具备时间跨度长、地理覆盖广的特点。数据按性别维度细分，包含总、男、女三种类别，为性别与劳动时间关系研究提供了精细视角。每条记录附带来源、观测状态及注释字段，清晰标识数据质量与系列中断等潜在问题，便于研究者进行严谨的时间序列分析。

使用方法

研究者可通过HuggingFace的`datasets`库便捷加载数据，调用`load_dataset()`函数即可获得Pandas DataFrame格式的完整表格。支持按国家代码筛选特定国家的时间序列，亦可通过`pivot_table`构建国家×年份的矩阵，便于跨国的横向对比。对于单一指标，可直接按时间排序后绘制趋势图，快速洞察劳动时间的历史演变规律。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门创建，并经由Electric Sheep Europe于2025年重新封装发布，聚焦于欧洲39个国家在1983至2025年间按性别划分的员工平均每周通常工作时间。作为ILOSTAT数据库的核心指标之一，该数据集的构建旨在为劳动力市场研究提供标准化、跨国的工时观测值，填补了欧洲区域内长时间序列工时数据的空白。其影响力体现在支撑劳动经济学中的生产效率分析、性别平等评估以及跨国劳动力政策比较，为学术机构、国际组织和政策制定者提供了可靠的数据基础。

当前挑战

数据集所解决的领域问题在于工时数据的跨国际可比性挑战，不同国家的调查方法、分类标准及统计口径差异显著，ILO通过统一采用ICLS定义并进行数据协调，才得以实现如HOW_UEES_SEX_NB指标的标准化整合。构建过程中的核心挑战包括：原始数据来源涵盖劳动力调查、行政记录等多渠道，存在时间序列断裂与方法论修订的问题；数据清洗需处理观测状态标记（如‘B’表示序列中断）及来源变更引发的注释复杂性；此外，年度频率的数据限制了高频分析，且仅提供按性别的单一维度拆解，难以覆盖行业或职业等更精细的劳动结构研究需求。

常用场景

经典使用场景

在欧洲劳动力研究领域，该数据集提供了1983至2025年间39个欧洲国家按性别划分的周均工作时长数据，共计3351条观测。研究者常利用其进行跨国家、跨年代的劳动力供给纵向对比，通过时间序列分析揭示不同性别劳动者在工时安排上的长期演变规律。结合ILOSTAT统一的方法论与来源标记，该数据可支持面板数据回归，用以探究经济周期、政策调整或社会变迁对工作强度的差异化影响，是劳动经济学中跨国比较研究的可靠基石。

实际应用

在实际应用中，国际组织与政府机构可借助该数据集监测并评估劳动政策效果，例如最低工时立法、弹性工作制推广或产假制度对男女平均工时的影响。企业人力资源部门能据此进行行业基准比较，优化岗位设计与薪酬体系。此外，数据集的时间跨度与性别细分特性，使其成为社会预警系统的输入变量，用于识别过度劳动或就业不足等潜在风险，支撑欧盟层面包容性增长与体面劳动目标的量化考核。

衍生相关工作

围绕该数据集，衍生出一系列经典工作。研究者基于其构建了欧洲劳动供给预测模型，结合机器学习算法估算未来十年性别工时的演变趋势。另有学者将其与宏观经济数据集关联，生成高维面板数据以探究自动化、产业升级对工时分布的冲击效应。ILOSTAT本身催生了关于跨国数据协调方法的学术讨论，而该数据集的Parquet格式封装方案也成为HuggingFace上时序数据集标准化复用的范例，推动了可复现社会科学研究的进展。