electricsheepafrica/africa-ilo-emp-cnif-sex-rt-informal-care-employment-rate-by-sex

该数据集包含非洲35个国家在2000年至2025年期间关于按性别划分的非正规护理就业率（%）的417个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API获取并过滤至非洲国家。核心指标为EMP_CNIF_SEX_RT，即按性别划分的非正规护理就业率（%）。数据集提供了国家代码、国家名称、数据来源、指标代码、指标名称、性别分类、观测年份、观测值、观测状态及相关注释等字段。数据按性别（总计、男性、女性）进行细分，并包含数据质量说明，如年度频率、最佳来源选择等。数据集由Electric Sheep Africa重新打包，旨在为非洲提供统一的、机器学习就绪的数据层。This dataset contains 417 observations of Informal care employment rate by sex (%) across 35 Africa countries, spanning the years 2000–2025. The data is sourced from the International Labour Organization (ILO)s ILOSTAT database, retrieved via its REST API and filtered to African countries. The core indicator is EMP_CNIF_SEX_RT, which represents the informal care employment rate disaggregated by sex (%). The dataset includes fields such as country code, country name, data source, indicator code, indicator name, sex disaggregation, observation year, observed value, observation status, and related notes. Data is disaggregated by sex (total, male, female) and includes data quality caveats, such as annual frequency and best-source selection. The dataset is repackaged by Electric Sheep Africa as part of a unified, ML-ready data layer for Africa on HuggingFace.

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中央统计数据库，通过REST API直接获取原始指标数据，并依据非洲ISO3国家代码进行地理筛选。数据涵盖了35个非洲国家从2000年至2025年的417条观测记录，核心指标为按性别划分的非正规照护就业率（EMP_CNIF_SEX_RT）。ILOSTAT依据国际劳工统计学家会议（ICLS）的定义对各国劳动力调查、住户收入调查等微观数据进行统一协调，确保跨国的可比性与统计口径的一致性。Electric Sheep Africa团队在此基础上完成了数据的重新打包与模式标准化，以Parquet格式发布，便于机器学习场景下的直接调用。

特点

数据集具备多维度的精细结构，包含国家代码、性别细分、观测年份、指标数值及数据来源等15个字段。其中性别维度提供了总计、男性与女性三种分类，为性别视角的劳动市场分析奠定了坚实基础。数据时间跨度长达26年，涵盖南非、埃及、毛里求斯等35个非洲国家，且每个国家的观测年份数量与覆盖范围存在差异，能够支持长期趋势追踪与跨国比较。数据集还特别标注了观测状态的可靠性标记（如中断或临时数据）以及序列断裂的说明注释，为用户的数据质量评估提供了透明依据。

使用方法

用户可通过HuggingFace Datasets库的load_dataset()函数一键加载该数据集，并将其转换为Pandas DataFrame进行后续分析。典型使用场景包括按国家筛选以聚焦特定区域的时间序列分析，或按指标分组后利用matplotlib等工具绘制趋势图。数据集的表格化结构也支持透视操作，例如构建以年份为行、国家为列的观测值矩阵，便于面板数据分析与计量建模。采用cc-by-4.0许可证，用户需同时标注ILO原始数据来源及Electric Sheep Africa的重新打包版本，以遵循学术引用规范。

背景与挑战

背景概述

非洲地区非正式照护就业率的性别差异长期处于数据稀缺状态，阻碍了相关政策制定与可持续发展目标（SDGs）中体面工作指标的监测。国际劳工组织（ILO）统计司（ILOSTAT）作为全球劳动统计的权威来源，其构建的“africa-ilo-emp-cnif-sex-rt-informal-care-employment-rate-by-sex”数据集，由Electric Sheep Africa于2025年重新封装发布，聚焦35个非洲国家、2000至2025年间非正式照护就业率的性别细分观测值。该数据集依托ILO统一的方法论与ICLS定义，整合多国劳动力调查与行政记录，系统揭示了非洲照护经济中性别不平等的时空格局，为研究非正规就业、性别劳动分工及社会保护政策提供了关键数据支撑。

当前挑战

该数据集所解决的领域挑战在于，非正式照护工作长期被排除在官方劳动统计之外，导致女性无偿或低报酬照护劳动的社会经济贡献被严重低估，难以纳入决策框架。构建过程中面临的挑战包括：各国调查问卷设计、时间跨度与数据质量参差不齐，ILO虽通过“最佳来源”选择与断点标记（如obs_status标签）进行协调，但部分国家（如科特迪瓦）数据仅覆盖短暂年份，削弱了跨国可比性。此外，数据集仅提供年度频率，缺失高时间分辨率的月度或季度序列，限制了短期动态分析。性别维度的缺失值问题亦需谨慎处理，以免在建模时引入系统性偏差。

常用场景

经典使用场景

该数据集广泛应用于非洲地区劳动力市场中非正规照护就业率的性别差异研究。经典的使用场景包括基于时间序列的性别分组分析，研究人员可借助‘sex’维度将数据拆分为男性、女性与总体的就业率指标，进而绘制各国非正规照护就业的演变曲线，揭示不同性别在照护经济中的参与模式。此外，数据集支持多国跨年度对比，适合构建面板数据模型，以考察经济发展、政策干预与照护就业结构之间的动态关系。

解决学术问题

该数据集有效填补了非洲非正规照护就业领域标准化微观数据的稀缺问题，为劳动经济学与性别研究中的关键议题提供了量化支撑。它使学者能够系统检验照护劳动中性别分化的成因与后果，例如探讨女性在非正规照护岗位中的高占比是否与制度保障缺失相关，或评估照护经济对整体就业质量的传导效应。通过覆盖2000至2025年的长周期数据，研究者能够追踪政策变革（如社会保障改革）对性别就业结构的长期影响，从而推动可持续生计与体面劳动目标的学术认知。

衍生相关工作

该数据集衍生了一系列聚焦非洲非正规照护就业的实证研究与基准评估工作。其典型衍生方向包括构建面向性别差异的照护就业预测模型，利用时间序列特征与面板回归模型估算关键维度的未来走势；此外，它被用于开发衡量照护经济韧性的指标体系，作为评估非洲国家实现可持续发展目标进展的工具。部分工作还将其与ILOSTAT中的其他劳动力指标（如工资、工时）融合，形成多维度分析框架，推动非正规照护劳动与宏观经济变量之间因果机制的深入研讨。