electricsheepeurope/europe-ilo-emp-stem-sex-ec2-nb-employment-in-stem-occupations-by-sex-and-economic

该数据集包含欧洲15个国家在2001年至2025年间，按性别和经济活动（ISIC 2级分类）统计的STEM（科学、技术、工程和数学）职业就业数据（以千人为单位），共有33,147个观测值，涵盖1个独特指标（EMP_STEM_SEX_EC2_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，经过Electric Sheep Europe重新打包，用于表格分类、回归和时间序列预测等任务。数据集包括国家代码、年份、性别分类（总计、男性、女性）、经济活动和观测值等字段，并包含数据质量说明和用法示例。This dataset contains 33,147 observations of Employment in STEM occupations by sex and economic activity - ISIC level 2 (thousands) across 15 Europe countries, spanning 2001–2025, covering 1 distinct indicator (EMP_STEM_SEX_EC2_NB). The data is sourced from ILOSTAT, the ILOs central statistics database, and repackaged by Electric Sheep Europe for tabular classification, regression, and time-series forecasting tasks. It includes fields such as country code, year, sex disaggregation (total, male, female), economic activity, and observed values, with data quality caveats and usage examples.

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）旗下的ILOSTAT核心统计数据库，通过直接调用其REST API接口获取原始指标数据，并依据欧洲国家的ISO 3166-1 alpha-3代码进行地理范围筛选。在数据整合过程中，ILOSTAT遵循国际劳工统计学家会议（ICLS）定义的统一标准，对各国劳动力调查的微观数据进行规范化处理，同时保留源数据的标识字段以便追溯。最终，由Electric Sheep Europe团队对数据进行了重新打包与格式标准化，生成了涵盖15个欧洲国家、跨度为2001年至2025年的33,147条观测记录。

特点

该数据集聚焦于STEM领域就业人数这一核心指标，并按照性别（男性、女性、总计）和经济活动类型（ISIC第二层级）进行了细致的维度拆分，为深入分析欧洲劳动力市场的结构性特征提供了宝贵素材。其数据来源广泛，包含了多种国家层面的劳动力调查，且通过观察状态标志（如'不可靠'）和注释字段（如'序列中断'）对数据质量进行了透明化标注。此外，由于数据频率为年度，并采用了ILO筛选的'最佳来源'以处理同一国家年份的多源冲突，保证了时间序列的相对一致性与可比性。

使用方法

用户可通过HuggingFace的datasets库直接加载该数据集，例如使用`load_dataset('electricsheepeurope/europe-ilo-emp-stem-sex-ec2-nb-employment-in-stem-occupations-by-sex-and-economic')`命令，返回格式为表格型数据，便于进一步转换为Pandas DataFrame进行操作。由于数据集包含丰富的分类变量（如国家代码、性别、经济行业），推荐通过筛选特定国家或性别维度来聚焦局部趋势分析，或利用时间字段构建`country×year`矩阵以进行跨国的纵向比较研究。对于回归与时间序列预测任务，可直接选取`obs_value`作为目标变量，配合`time`索引进行建模。

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创建，并经Electric Sheep Europe重新打包发布，聚焦于欧洲15个国家在2001至2025年间STEM（科学、技术、工程与数学）职业的就业情况。核心研究问题在于揭示不同性别及经济活动部门下STEM劳动力分布的演变规律，为劳动经济学、性别平等研究及技术创新政策提供实证基础。作为ILO全球劳工统计体系的重要组成部分，该数据集的发布显著提升了欧洲区域STEM就业数据的可获取性与可比性，对推动性别差异化劳动力分析及可持续发展目标（SDG）的监测具有深远影响，尤其在评估技术进步与劳动力市场结构性变革的交互作用方面，为学术界与政策制定者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源于STEM就业数据在跨国比较中的碎片化与标准不统一问题，ILOSTAT通过整合多国劳动力调查与行政记录，依据国际劳动统计学家会议（ICLS）定义进行数据协调，但仍面临各国统计口径差异、历史数据缺失及时间序列不连续等障碍。在构建过程中，主要挑战包括从ILOSTAT REST API抽取数据时需处理不同来源的质量标记与修订记录，例如“break in series”标注反映了方法论变更导致的序列中断；此外，数据集仅包含同一年份的单一最佳来源数据，排除了月度或季度高频序列，导致时间粒度受限；同时，性别与经济活动的交叉分解维度有限，仅提供三个性别类别，且部分分类变量在特定观测中为空值，限制了细粒度分析的精度与可靠性。

常用场景

经典使用场景

在劳动经济学与教育政策研究领域，该数据集常用于分析欧洲各国STEM（科学、技术、工程与数学）职业就业率的性别差异与行业分布。通过其包含的性别（总、男、女）与经济活动（ISIC第二层级）双重维度，研究者可构建面板数据模型，追踪2001至2025年间15个欧洲国家STEM从业人数的演变趋势。典型操作包括按国家或性别分组绘制时间序列，或利用职业状态标签（如临时、不可靠）进行数据清洗后，开展跨国的结构化比较。数据集的年度频率与标准化的ILO指标编码（EMP_STEM_SEX_EC2_NB）确保了长期跨区域分析的可比性，使其成为量化技能人才供给与产业转型关系的基础资源。

实际应用

在实际决策与产业规划中，该数据集为政府机构、国际组织及企业的人力资源部门提供了数据驱动的洞察。欧盟委员会可利用其监测各成员国在实现《欧洲技能议程》中STEM毕业生就业目标方面的进展，并识别需要加强性别平衡培训计划的区域。企业，尤其是科技与工程公司，可通过分析不同性别STEM就业率的国家差异，调整其人才招聘多元化的战略重心。此外，数据集内'最佳来源'标记与'方法论修订'注释，使政策分析师能够在评估历史比较时谨慎处理统计口径变动，从而做出更贴合现实的短期技能供需预测与长期教育投资决策。

衍生相关工作

基于此数据集的整理框架，后续涌现了一系列衍生工作。Electric Sheep Europe团队延续其理念，发布了包括欧洲失业率、工时、工资等在内的完整ILOSTAT指标系列数据集，形成覆盖劳动力市场多维度的标准化数据矩阵。由此启发的学术研究包括：利用该数据构建的STEM就业预测模型，融合机器学习和时间序列方法预判未来人才缺口；结合性别与经济活动维度的分解分析，用于评估各国宏观科技政策对女性参与STEM行业的差异化影响。另有工作将其与国家教育统计数据联立，量化了数学与科学教育投入对15年后STEM就业的长期效应。这些衍生工作共同拓展了从简单描述向因果推断、预测分析乃至政策模拟的研究纵深。