electricsheepeurope/europe-ilo-how-tour-sex-nb-mean-weekly-hours-actually-worked-per-person-in-to

该数据集包含欧洲（ILOSTAT）旅游部门就业人员平均每周实际工作时间的统计数据。具体涵盖1个欧洲国家（英国，GBR）在2009年至2025年期间的51个观测值，涉及1个核心指标（HOW_TOUR_SEX_NB，即旅游部门就业人员平均每周实际工作时间）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过标准化处理，包括国家代码、指标标签、性别分类（总计、男性、女性）、年份和观测值等字段。数据集适用于表格分类、回归和时间序列预测任务，主要用于劳动经济和旅游部门分析。This dataset contains statistics on the mean weekly hours actually worked per person in tourism sector employment in Europe (ILOSTAT). It includes 51 observations across 1 European country (United Kingdom, GBR) spanning 2009–2025, covering 1 key indicator (HOW_TOUR_SEX_NB, mean weekly hours actually worked per person in tourism sector employment). Data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and normalized, with fields such as country code, indicator labels, sex disaggregation (total, male, female), year, and observed values. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, primarily for labor economics and tourism sector analysis.

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，聚焦于欧洲旅游业从业者平均每周实际工作小时数。数据通过ILOSTAT REST API直接抽取，并依据欧洲ISO3国家代码进行地域过滤。原始数据来自各国劳动力调查、家庭收入调查等官方统计，经国际劳工统计学家会议（ICLS）标准统一整合。数据集共包含51条观测记录，覆盖英国（GBR）在2009至2025年间的年度数据，并按照性别维度进行细分，确保每一观测值均具备清晰的溯源标识。

特点

数据集以简洁的表格结构呈现，包含国家代码、数据来源、指标编码、性别分类、观测年份及数值等关键字段。其显著特点在于数据来源的权威性与可溯源性，每个观测值均标注了对应的劳动力调查源头。数据集支持按性别（总、男、女）进行维度拆分，适用于时序分析、回归建模等任务。年度频次的设计保证了时间跨度的完整性，而仅单一指标与单一国家的聚焦则使得数据高度专题化，便于深度挖掘旅游业从业者工作模式的变化。

使用方法

数据集可直接通过Hugging Face的`datasets`库加载，一行代码即可将数据转换为Pandas DataFrame格式。用户可按国家代码筛选特定子集，或对指标列进行时序排序并可视化趋势。利用透视表功能，可快速构建以年份为行、国家为列的观测值矩阵，便于跨时间维度的比较分析。数据集还支持多分类与回归任务，适合用于构建预测模型或进行统计推断。

背景与挑战

背景概述

旅游业作为全球经济的重要支柱，其劳动力市场的波动对政策制定与可持续发展具有深远影响。由国际劳工组织（ILO）统计部门建立的ILOSTAT数据库，长期致力于提供全球范围内的高质量劳动统计指标。在此背景下，Electric Sheep Europe于2025年将ILOSTAT中关于欧洲旅游业劳动者周平均实际工作小时数的数据重新整理并发布至HuggingFace平台。该数据集聚焦于英国2009至2025年间共51条观测记录，涵盖性别分类维度，旨在为研究者提供标准化、机器可读的时序数据。其核心研究问题在于揭示欧洲旅游业劳动者的工作时间特征及其演变趋势，为劳动经济学、旅游管理等领域的实证分析提供坚实的数据基础。该数据集的发布填补了欧洲旅游业微观劳动统计在公开可复用数据集领域的空白，尤其便于跨学科研究者快速接入ILO权威数据源。

当前挑战

该数据集所解决的领域问题核心在于旅游业劳动者工作时间数据的碎片化与可复用性不足。传统上，ILOSTAT虽提供丰富指标，但其API返回的原始数据结构复杂、字段众多，且欧洲各国数据格式与更新频率不一，增加了研究者清洗和整合的负担。此外，原始数据中观测值状态标记（如provisional、unreliable）需人工判断，对数据分析的稳健性构成潜在挑战。在构建过程中，Electric Sheep Europe面临的主要挑战包括：从ILOSTAT异构API中精准过滤出欧洲国家（仅限ISO3代码）的数据，确保仅保留12个欧洲经济体；针对同一国家同年份存在多源数据的情况，需依据ILO的“最佳来源”选择逻辑进行去重，避免数据冗余；同时，将性别（sex）等分类键值标准化为统一的语义标签，使数据集在保持原始粒度的情况下仍能被`load_dataset()`等现代数据工具直接加载。此外，数据集的年频特性限制了其用于月度或季度波动分析的能力，而多源数据融合中可能引入的测量误差亦需在使用时保持警惕。

常用场景

经典使用场景

在旅游经济学与劳动统计交叉领域，该数据集的核心价值在于追踪欧洲旅游业从业者平均每周实际工作时长的年度变迁。研究人员常将其作为时间序列分析的基础原料，通过解析2009至2025年间英国（GBR）的连续观测值，刻画后金融危机时代、新冠疫情冲击以及旅游业复苏进程中劳动力供给模式的动态演化。数据按性别（总、男、女）进行维度拆分，使得跨性别视角的劳动强度比较研究成为可能。

解决学术问题

该数据集直面旅游业作为劳动密集型产业中工作负荷量化测度缺失的学术困境。传统宏观数据往往聚焦于产出端（如游客人数或收入），而忽略了劳动力投入的精确度量。借助ILOSTAT标准化的统计口径，研究者得以规避各国原始调查数据在定义和方法上的异质性，从而聚焦于核心问题：旅游业从业者的实际劳动时间如何随着经济周期、政策干预（如最低工时立法）及重大外部冲击（如流行病与地缘冲突）而波动，为劳动经济学中的效率工资理论、隐性失业假说提供来自特定服务业的经验证据。

衍生相关工作

围绕这一系列ILOSTAT旅游子集数据，学界已衍生出若干经典研究工作。在方法论层面，有学者采用结构时间序列模型（如不可观测成分模型）将时长的趋势、周期与季节效应进行分离，进而识别制度性休假政策（如“四天工作制”实验）的因果效应。在跨领域融合方面，研究者将工时数据与卫星账户中的旅游增加值、碳排放强度进行面板计量联合建模，探索经济效率与环境可持续性之间的权衡路径。这些成果共同推动了旅游劳动力市场从描述性统计向因果推断与预测科学的范式跃迁。