electricsheepafrica/africa-ilo-cld-xgpb-sex-age-geo-nb-children-in-child-labour-general-production-bounda

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的童工数据，专门针对非洲地区。数据涵盖23个非洲国家，时间跨度为2009年至2023年，共846个观察值。核心指标为儿童在童工中——按性别、年龄和城乡地区划分的一般生产边界（千），代码为CLD_XGPB_SEX_AGE_GEO_NB。数据集提供了详细的分类维度，包括性别（总计、男性、女性）、年龄组和地区类型（如国家层面）。数据来源包括劳动力调查、家庭收入调查等，并经过ILO的统计部门标准化处理。数据集以表格形式组织，包含国家代码、国家名称、数据来源、指标代码、分类变量、观察年份、观察值、观察状态和相关注释等列。数据质量方面，注意数据为年度频率，ILO选择最佳来源处理多源数据，且分类列仅在指标发布细分数据时非空。该数据集由Electric Sheep Africa重新打包，旨在为非洲提供机器学习就绪的数据层，便于研究人员和开发者使用。This dataset contains child labour data from the International Labour Organization (ILO) ILOSTAT database, specifically focused on Africa. It covers 23 African countries from 2009 to 2023, with 846 observations. The core indicator is Children in child labour -- General Production Boundary by sex, age and rural / urban areas (thousands), coded as CLD_XGPB_SEX_AGE_GEO_NB. The dataset provides detailed disaggregation dimensions, including sex (total, male, female), age groups, and area type (e.g., national). Data sources include labour force surveys, household income surveys, etc., and are harmonized by the ILOs Department of Statistics. The dataset is organized in tabular format with columns such as country code, country name, data source, indicator code, classification variables, observation year, observed value, observation status, and related notes. Regarding data quality, note that the data is annual frequency, the ILO selects the best source for multiple sources per country-year, and disaggregation columns are non-null only when the indicator publishes that breakdown. The dataset is repackaged by Electric Sheep Africa as part of a unified, ML-ready data layer for Africa, facilitating use by researchers and developers.

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统计数据库，聚焦非洲23个国家的童工现象，时间跨度覆盖2009年至2023年。数据通过ILOSTAT REST API直接获取，选取CLD_XGPB_SEX_AGE_GEO_NB指标，并依据非洲国家ISO3代码进行地理过滤。ILOSTAT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统一协调，来源信息在source.label字段中标注以增强可追溯性。最终数据集经Electric Sheep Africa重新打包，形成846条结构化的观测记录。

特点

数据集包含单一的童工指标，即按性别、年龄和城乡地区划分的一般生产边界内的童工人数（单位：千）。数据以年频发布，覆盖多种分类维度：性别分档（总计、男性、女性），年龄分组（如5-17岁），以及地理区域类型（全国、城镇、乡村）。此外，数据还附带来源标识、观测状态标记（如可靠性）及注释信息，便于用户评估数据质量。每条记录都包含ISO国家代码、年份和观测值，构成了一个紧凑而多维的非洲童工时间序列数据集。

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，返回的DataFrame包含ref_area、time、obs_value等关键列，适用于表格分类、回归及时间序列预测任务。典型用法包括按国家过滤（如df[df['ref_area']=='KEN']）、按时间序列绘制单一指标趋势图（按time排序obs_value），或透视构建国家×年份的矩阵。数据经由Electric Sheep Africa打包为Parquet格式，确保ML场景下的高效加载与使用。

背景与挑战

背景概述

童工问题长期困扰着全球可持续发展进程，尤其在非洲大陆，贫困、教育缺失与社会保护薄弱等因素交织，使得大量儿童被迫参与经济活动。国际劳工组织（ILO）作为联合国系统内负责劳工事务的专门机构，自2019年起系统性地收集并整合各国劳动力调查数据，旨在为政策制定者提供可靠依据。该数据集由Electric Sheep Africa于2023年基于ILOSTAT官方API重新封装，聚焦非洲23个国家2009至2023年间按性别、年龄及城乡划分的童工数量。其核心研究问题在于揭示非洲地区童工现象的分布规律与演变趋势，为消除童工、实现可持续发展目标8.7（禁止童工）提供数据支撑。该数据集在劳工统计、发展经济学及非洲区域研究领域具有重要参考价值，填补了高分辨率、跨国家纵向对比数据的空白。

当前挑战

该数据集所应对的领域挑战在于，童工现象具有隐蔽性和动态性，传统宏观统计数据难以精准刻画其人口结构特征与地域差异；而构建过程中则面临多重困难：一方面，非洲各国劳动力调查的年份跨度、样本设计与定义口径存在显著差异，ILO虽采用国际劳工统计学家会议标准进行统一，但数据可比性仍受限于原始调查质量；另一方面，数据集仅覆盖23个国家，且部分国家观测次数极不均衡（如赞比亚179条，而多数国家仅30余条），稀疏性与缺失值问题突出；此外，观测状态标注为“不可靠”的条目占一定比例，数据质量需要使用者审慎甄别。

常用场景

经典使用场景

该数据集收录了国际劳工组织ILOSTAT数据库中非洲23个国家2009至2023年间童工劳动的官方统计数据，涵盖了按性别、年龄及城乡区域划分的'一般生产边界'定义下的童工人数。研究者可将其用于构建面板数据模型，以揭示非洲大陆童工现象的时空演变规律；亦可结合性别与年龄分类变量，开展多元回归分析，探析不同人口亚群体间的异质性特征。数据的时间序列属性使其尤其适合进行趋势预测与干预效果评估，为发展经济学与劳动经济学领域的实证研究提供了标准化的基础数据支撑。

衍生相关工作

该数据集作为ILOSTAT官方数据的规范化子集，衍生了一系列聚焦非洲童工问题的前沿学术工作。研究者基于该数据构建了预测童工发生率的时间序列与机器学习模型，探索了GDP增长、教育支出与童工数量的非线性关系。同时，它被广泛用于交叉验证其他微观调查数据（如MICS与DHS）中关于童工劳动的报告结果，推动了对数据异质性与测量误差的系统性讨论。此外，该数据集也催生了可视化决策支持工具的开发，帮助政策制定者直观理解复杂的人口细分趋势。

数据集最近研究

最新研究方向

该数据集聚焦于非洲23国2009至2023年间童工现象的量化特征，按性别、年龄及城乡地域进行细致拆解，为国际劳工组织（ILO）在全球范围内消除童工劳动的可持续发展目标（SDG 8.7）提供了关键数据支撑。当前前沿研究方向集中在利用该数据集构建区域时序预测模型，以识别童工发生率与宏观经济波动、教育普及率及社会保护政策之间的动态关联。此外，结合非洲多国劳动力调查的微观数据，研究者正运用机器学习方法探索童工出现的结构性驱动因素，并通过空间统计分析揭示跨境人口流动与童工分布之间的地理耦合模式，为精准干预和资源分配提供数据驱动的决策依据。