electricsheepafrica/africa-ilo-ear-shra-sex-cur-nb-average-hourly-earnings-of-stem-employees-by-sex-a

该数据集包含来自22个非洲国家在2009年至2024年间关于STEM（科学、技术、工程和数学）员工每小时平均收入的741条观测数据，核心指标为按性别和货币单位分类的平均收入（EAR_SHRA_SEX_CUR_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过标准化处理，涵盖国家代码、数据来源、性别分类、观测年份、数值及数据状态等信息。数据集旨在为研究人员和开发者提供机器学习就绪的非洲劳动力市场数据，支持表格分类、回归和时间序列预测等任务。This dataset contains 741 observations of average hourly earnings of STEM employees by sex and currency across 22 Africa countries from 2009 to 2024, with the core indicator EAR_SHRA_SEX_CUR_NB. Sourced from the ILOs ILOSTAT database and harmonized via API, it includes country codes, data sources, sex disaggregation, observation years, values, and quality flags. The dataset is designed as an ML-ready resource for African labour market analysis, supporting tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa基于国际劳工组织（ILO）的ILOSTAT数据库进行二次加工与封装而成。原始数据通过ILOSTAT REST API直接提取，指标编码为EAR_SHRA_SEX_CUR_NB，随后依据非洲ISO3国家代码进行地理范围筛选。ILOSTAT本身采用国际劳工统计学家会议（ICLS）定义的标准，对各国劳动力调查原始微观数据进行统一协调与清理，使得跨国比较成为可能。数据集中每个观测值均附有来源标签以保障可追溯性，最终整合为包含741条记录的表格形态数据集。

特点

该数据集聚焦于非洲地区STEM（科学、技术、工程与数学）从业者的小时平均工资，覆盖22个非洲国家，时间跨度为2009年至2024年。数据按性别维度进行细分，包含总计、男性和女性三类，用户可深入分析性别工资差异。每条记录包含国家、来源、指标、性别、货币分类、观测值及状态标志等丰富字段，支持时间序列分析与跨国对比。数据采用CC-BY-4.0许可发布，具有较高的开放性与规范性。

使用方法

研究者可通过HuggingFace Datasets库直接加载该数据集，使用`load_dataset()`函数一行代码即可获取数据。随后可转换为Pandas DataFrame进行后续分析，例如按国家筛选、按时间排序绘制趋势图，或利用透视表构建国家×年份的矩阵以进行多维比较。数据集中包含的`sex`字段允许用户根据性别分组计算统计量，便于评估非洲各国在STEM领域劳动力市场中的性别平等状况。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2024年通过其ILOSTAT数据库创建，并由Electric Sheep Africa在HuggingFace上重新打包，聚焦于非洲22个国家2009至2024年间STEM员工按性别和货币分类的平均小时收入。核心研究问题在于填补非洲大陆在劳动力市场性别平等与STEM领域薪酬差异方面的数据空白，为政策制定者、经济学家及社会科学家提供跨国家、跨时间序列的可比性指标。作为ILOSTAT全球劳动力统计体系中的区域性细化成果，该数据集有助于推动可持续发展目标（SDG）中关于体面工作和经济增长的监测，尤其对非洲地区因数据稀疏而长期难以量化的STEM性别薪资鸿沟研究具有奠基性影响。

当前挑战

该数据集面临的挑战首先在于领域问题：非洲STEM员工薪酬的性别差异受制于各国劳动力调查的碎片化与时效性不足，传统研究只能依赖少数发达国家的模式外推，而此数据集试图通过741条观测覆盖22国，但样本量小、时间跨度不均（如埃及135条而坦桑尼亚仅18条）导致统计推断的稳健性存疑。构建过程中，数据来源涉及多种国家级劳动力调查与行政记录，国际劳工组织的协调与标准化虽保证了跨国产出一致，但不同调查的频率（如年度与季度不兼容）、覆盖行业定义差异及‘最佳来源’选择偏误可能引入系统性变异，加之部分国家数据断续或含‘断点’标签，使得时间序列预测和因果分析的误差控制成为核心难点。

常用场景

经典使用场景

在劳动经济学与性别平等研究的交汇处，本数据集为探究非洲地区STEM领域从业者性别薪酬差距提供了珍贵的定量视角。其经典使用场景集中于利用22个非洲国家2009至2024年间的741条观测值，构建面板数据模型，以分析性别、时间与地域维度下STEM雇员时薪的分布特征与演变规律。研究者可借此考察非洲各国在推动女性STEM就业与薪酬平等方面取得的进展，或评估特定政策干预对缩小性别薪酬差距的实际效果。该数据集因其来源权威、结构规范且包含多源分类信息，成为比较非洲内部不同发展水平国家STEM劳动力市场表现的核心数据基础。

实际应用

本数据集的实际应用广泛渗透于国际发展机构、非洲国家统计部门与社会智库的决策支持流程之中。国际劳工组织可借助其追踪可持续发展目标中关于性别平等与体面工作的具体进度；各国劳动部门可基于该国子集，设计针对性的女性STEM人才留任与薪酬补偿方案。商业研究机构亦可将其融入非洲劳动力市场定价模型，评估不同国家STEM人才的成本竞争力。此外，数据集所提供的按货币类型分类的经济指标，有助于跨国企业与投资者在布局非洲研发中心时，洞悉当地薪酬结构并制定合乎区域法规与伦理的雇佣策略，从而在科技人才争夺中占据先机。

衍生相关工作

基于本数据集已催生一系列围绕非洲劳动力市场平等议题的衍生研究脉络。其中，一项典型工作是利用该数据集构建性别薪酬比率的时间序列预测模型，通过整合宏观经济变量如教育投入与女性劳动参与率，对未来五年的薪酬收敛趋势进行情景模拟。另一系列研究则聚焦于数据质量评价与多源数据融合方法，因其包含来自不同调查框架的观测值（如劳动力调查与行政记录），促使学者开发了专门用于处理非洲官方统计中断与标识不一致问题的迁移学习算法。此外，该数据集作为Electric Sheep Africa统一数据管线的一部分，启发了在HuggingFace平台上构建更多非洲专题数据集的标准范式，推动了一个可复现、ML-ready的非洲开放数据生态的形成。