electricsheepeurope/europe-ilo-cld-xhaz-sex-age-rt-share-of-children-in-hazardous-work-by-sex-and-age

该数据集包含来自国际劳工组织（ILO）核心统计数据库ILOSTAT的童工相关数据，具体指标为按性别和年龄划分的儿童从事危险工作比例（%）。数据集涵盖18个欧洲国家，时间跨度为1995年至2025年，共530个观测值。数据结构包括国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、年龄分类、观测年份、观测值、观测状态及备注等列。数据通过ILOSTAT REST API获取，并经过规范化处理，适用于表格分类、回归或时间序列预测任务。This dataset contains child labour data from the International Labour Organizations (ILO) central statistics database, ILOSTAT, specifically the indicator Share of children in hazardous work by sex and age (%). It covers 18 European countries from 1995 to 2025, with 530 observations. The data schema includes columns such as country code, country name, data source, indicator code, sex disaggregation (total, male, female), age classification, observation year, observed value, observation status, and notes. Data is sourced directly from the ILOSTAT REST API and normalized, suitable for tabular classification, regression, or time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集以国际劳工组织（ILO）下属ILOSTAT数据库为核心数据源，借助其REST API接口直接提取指标代码为CLD_XHAZ_SEX_AGE_RT的原始观测数据。在获取后，通过ISO 3166-1 alpha-3国家代码筛选出覆盖欧洲18个国家的相关记录，并依据国际劳工统计学家会议（ICLS）的定义标准，对各国劳动力调查或行政记录中的微观数据进行统一归并与清洗。最终整合为包含530条观测、横跨1995年至2025年时间跨度的结构化表格，每条记录均附有来源标记以确保数据可追溯。

特点

该数据集聚焦于欧洲范围内儿童从事有害劳动的比例，按性别与年龄维度进行精细分层，涵盖“总计”、“男性”与“女性”三类性别分组。数据以年度为频率，保证了时间序列的连续性与纵向可比性。除核心观测值外，每项记录还携带了数据来源、观测状态标记、系列断裂说明等元数据，有助于研究者评估数据质量与潜在偏差。此外，数据集在发布时已将多维分类变量（如年龄组）整合为标准化字段，便于直接开展分组分析或面板数据构建。

使用方法

研究者可直接通过HuggingFace Datasets库中的load_dataset函数加载该数据集，返回的数据可便捷地转换为Pandas DataFrame格式以进行后续分析。对于国家层面的特定研究，可利用ref_area字段进行条件筛选以聚焦单一地区；针对时间趋势分析，可按indicator字段定位目标指标并依据time字段排序以绘制时间序列图。此外，借助pivot_table方法可快速将长格式数据重塑为以年份为行、国家为列的交叉矩阵，适用于面板回归或跨区域比较研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其核心统计数据库ILOSTAT发布，并由Electric Sheep Europe团队重新整理包装。数据集聚焦于欧洲18个国家1995至2025年间18岁以下儿童从事有害劳动的比例，按性别和年龄维度进行细分，共包含530条观测记录。作为全球劳工统计领域的权威来源，ILO依托各国劳动力调查、住户收入调查及行政记录等数据源，依据国际劳工统计学家会议（ICLS）定义进行标准化处理。该数据集为研究欧洲地区童工现象、评估劳动权益保护进展及监测可持续发展目标（SDG）中体面工作相关指标提供了关键支撑，对劳动经济学、儿童保护政策及跨国比较研究具有重要价值。

当前挑战

数据集面临的挑战主要聚焦于领域问题与构建过程两大维度。在领域层面，童工现象尤其是有害劳动形式的量化评估面临诸多障碍，包括测量指标的标准化缺失、国际比较中定义的差异性、数据更新滞后、样本覆盖的局限性以及跨国统计口径的协调难题。在构建层面，数据整合需克服多源异构数据的融合难题，包括不同调查方法的系统性偏差、数据标记质量参差不齐、历史数据断点与方法修订导致的时序非延续性（如注释中的 'Break in series: Methodology revised' 标志）、以及部分国家小样本量引发的统计可靠性不足问题，严重制约了数据的一致性与分析效力。

常用场景

经典使用场景

在劳动经济学与儿童保护研究的交汇处，该数据集为量化欧洲国家儿童从事危险工作的发生率提供了长期纵向观测框架。其最经典的学术用途在于构建时间序列回归模型，分析性别与年龄维度下儿童危险劳动参与率的演变趋势，例如利用530条覆盖18国1995至2025年的观测值，研究者可借助面板数据方法识别各国政策干预、经济发展水平与童工现象之间的动态关系。

衍生相关工作

基于这一标准化数据层，已有研究衍生出多项影响深远的经典工作。在方法论层面，学者开发了缺失数据插补算法以扩展稀少年份的观测范围；在跨学科对话中，该数据集被整合进儿童发展指数和体面劳动赤字指标体系，支持可持续发展目标（SDG 8.7）的进展评估。此外，由Electric Sheep Europe重新打包的机器学习就绪格式，催生了一系列利用梯度提升机或递归神经网络预测童工高风险区域的探索性研究，标志着传统统计指标向现代数据科学应用的范式迁移。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲18国1995至2025年间儿童从事危险工作的性别与年龄分布比例，为全球童工治理领域提供了高分辨率的时间序列证据。在联合国可持续发展目标8.7明确要求2025年前消除童工现象的背景下，该数据可支撑欧洲国家评估危险劳动形式的代际演变趋势，尤其可结合ILO最新发布的《全球童工报告》揭示的区域性拐点，分析经济危机、难民潮及疫情后劳动力市场重构对童工结构的冲击。近期研究热点已转向利用此类细粒度面板数据，通过贝叶斯分层模型或生存分析方法，辨识性别差异在危险行业渗透率中的异质性路径，并为欧盟《儿童权利战略》中针对高风险群体（如15-17岁迁移儿童）的干预方案提供因果推断基础。