electricsheepafrica/africa-ilo-cld-xhaz-sex-age-stu-nb-children-in-hazardous-work-by-sex-age-and-school-a

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的儿童劳动数据，专门针对非洲地区。它记录了按性别、年龄和上学状态分类的从事危险工作的儿童数量（以千计），覆盖40个非洲国家，时间跨度为2001年至2025年，共2,102个观测值。数据集包含一个主要指标CLD_XHAZ_SEX_AGE_STU_NB，并提供了详细的数据schema，包括国家代码、国家名称、数据来源、指标代码、性别分类、年龄分类、观测年份、观测值等列。数据经过ILOSTAT API获取并过滤，适用于表格分类、回归和时间序列预测等任务。This dataset contains child labour data from the International Labour Organization (ILO) ILOSTAT database, focusing on Africa. It records the number of children in hazardous work (in thousands) disaggregated by sex, age, and school attendance status, covering 40 African countries from 2001 to 2025, with 2,102 observations. The dataset includes one main indicator CLD_XHAZ_SEX_AGE_STU_NB and provides a detailed schema with columns such as country code, country name, data source, indicator code, sex classification, age classification, observation year, and observed value. Data is sourced directly from the ILOSTAT API and filtered for Africa, suitable for tasks like tabular classification, regression, and time-series forecasting.

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）的核心统计数据库ILOSTAT，通过其REST API直接提取了关于非洲地区儿童从事危险工作的指标数据（代码CLD_XHAZ_SEX_AGE_STU_NB），并依据非洲ISO3国家代码进行地理范围筛选。数据经ILO依据国际劳工统计学家会议（ICLS）定义进行统一化处理，涵盖来自各国劳动力调查、家庭收入调查等原始调查微观数据，同时标注数据来源以保障可追溯性，最终经Electric Sheep Africa重新打包为结构化表格数据集。

特点

该数据集包含2,102条观测记录，覆盖40个非洲国家，时间跨度从2001年至2025年，聚焦于一个核心指标——按性别、年龄和就学状况分列的从事危险工作儿童人数（以千计）。数据按性别（总、男、女）进行分解，并提供年龄分组、教育状况等分类维度，支持多层级统计分析。其优势在于来源权威、年度频率统一，并包含数据质量标记如“序列中断”等注释字段，便于研究者评估异常与趋势。

使用方法

用户可通过HuggingFace Datasets库以`load_dataset()`接口直接加载数据，并转换为Pandas DataFrame进行后续分析。典型用法包括按国家过滤子集、以时间顺序可视化指标变化趋势、或通过透视表构建国家×年份的数值矩阵。数据集同时支持表格分类、回归及时序预测等多类机器学习任务，适用于儿童劳动权益、发展经济学等领域的定量研究。

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创建，后经Electric Sheep Africa于2025年重新打包并发布在HuggingFace平台上。数据集聚焦于非洲地区从事危险工作的儿童群体，涵盖2001年至2025年间40个非洲国家的2102条观测记录，核心研究问题在于量化并监测不同性别、年龄段及就学状态下儿童在危险工作中的分布状况。此数据为追踪可持续发展目标中关于消除童工现象的进展提供了关键支撑，尤其针对非洲这一童工问题最为严峻的大洲，具有重要的政策参考与学术研究价值，推动了劳动经济学、发展经济学及儿童保护领域的实证分析。

当前挑战

该数据集所解决的领域问题核心在于，非洲地区儿童从事危险工作的规模与特征长期缺乏系统、可比较的统计数据，导致政策制定缺乏精准依据。构建过程中面临多重挑战：首先，各国数据来源存在显著异构性，ILO需从劳动力调查、住户收入调查等不同渠道获取原始数据，并依据国际劳工统计学家会议（ICLS）定义进行标准化整合；其次，数据质量受限于调查方法的差异和年度频率的局限性，部分观测值存在方法论修订或序列中断的情况，需通过‘obs_status’字段加以标记；此外，数据缺失与覆盖不全的问题突出，部分国家或年份缺乏完整细分指标，限制了跨区域与跨时间的严格对比分析。

常用场景

经典使用场景

在劳动经济学与儿童发展研究的交汇地带，该数据集为探究非洲地区童工从事危险工作的时空格局提供了宝贵的基础数据资源。其精心设计的变量体系涵盖性别、年龄组别及入学状况等关键人口学特征，使得研究者能够运用统计建模与时间序列分析方法，系统刻画不同社会经济背景下危险童工现象的演变轨迹。这一数据集尤其适用于构建面板数据模型，以揭示非洲各国在消除童工劳动方面取得的进展与面临的挑战，从而为区域比较研究与政策效果评估奠定坚实的数据基础。

解决学术问题

该数据集直面非洲童工研究中长期存在的数据碎片化与可比性不足的困境，通过提供横跨四十个非洲国家、覆盖逾二十年时域的标准化观测，有效支撑了关于危险童工发生率及其人口学分布规律的严谨学术探索。在理论层面，它助力学者验证人力资本理论、家庭决策模型等经典框架在非洲语境下的适用性；在实证层面，它使得量化分析性别差异、教育排斥与劳动参与之间的复杂关联成为可能，进而推动学界更深刻地理解贫困、教育缺失与童工现象相互强化的恶性循环机制。

衍生相关工作

围绕该数据集衍生出的相关工作涵盖了从方法论创新到跨学科融合的多个维度。一方面，数据集的发布催生了针对非洲童工数据的插补与推断技术研究，以期弥补部分国家在特定年份的观测缺失；另一方面，它推动了融合地理信息系统与劳动统计的空间分析工作，揭示危险童工分布与区域经济特征、冲突事件及气候变化之间的潜在关联。同时，基于该数据集的机器学习预测模型研究也开始涌现，尝试利用历史数据对未来童工变动趋势进行前瞻性模拟，为政策模拟与早期预警系统建设提供了新的技术路径。