electricsheepafrica/africa-ilo-pop-xflc-sex-edu-nb-inflow-of-working-age-foreign-citizens-by-sex-and

该数据集包含关于国际移民流动的111个观测值，覆盖5个非洲国家（布基纳法索、科特迪瓦、埃塞俄比亚、几内亚、突尼斯），时间跨度为2014年至2021年。核心指标为POP_XFLC_SEX_EDU_NB，表示按性别和教育程度划分的工作年龄外国公民流入量（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过其API获取，并经过处理和过滤以专注于非洲地区。数据集包含多个字段，如国家代码、国家名称、数据来源、指标代码、性别分类、教育分类、观测年份、观测值等，支持表格分类、回归和时间序列预测等任务。数据以年度频率发布，并包含数据质量说明和使用示例。This dataset contains 111 observations of international migrant flow data across 5 Africa countries (Burkina Faso, Côte dIvoire, Ethiopia, Guinea, Tunisia), spanning 2014 to 2021. The core indicator is POP_XFLC_SEX_EDU_NB, which represents the inflow of working age foreign citizens by sex and education (in thousands). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via its API, and processed and filtered to focus on Africa. The dataset includes multiple fields such as country code, country name, data source, indicator code, sex disaggregation, education classification, observation year, observed value, etc., supporting tasks like tabular classification, regression, and time-series forecasting. The data is published at annual frequency and comes with data quality notes 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）的ILOSTAT数据库，通过其REST API抓取指标ID为POP_XFLC_SEX_EDU_NB的原始数据，并依据非洲ISO3国家代码进行地域过滤。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，并在source.label列中标注数据来源，确保数据可追溯。数据经Electric Sheep Africa重新打包为Parquet格式，以提供一致性的数据集卡片和即用型访问接口。

特点

数据集包含111条观测记录，覆盖2014年至2021年间5个非洲国家（几内亚、埃塞俄比亚、布基纳法索、科特迪瓦、突尼斯），聚焦于“按性别和教育程度划分的适龄劳动外国公民流入量（千人）”这一单一指标。数据按性别（总计、男性、女性）和分类变量（如教育总水平）进行细粒度分解，来源多样（如人口普查、劳动力调查），并附有观测状态和备注信息，便于用户评估数据质量。

使用方法

用户可通过HuggingFace的datasets库直接加载数据集：执行load_dataset('electricsheepafrica/africa-ilo-pop-xflc-sex-edu-nb-inflow-of-working-age-foreign-citizens-by-sex-and')即可获取训练集并转换为Pandas DataFrame进行后续分析。支持按国家筛选、按时间序列绘制单一指标的观测值变化，或通过数据透视表构建国家×年份的矩阵，便于进行跨国家、跨时间的比较研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）构建并经由Electric Sheep Africa重新封装，专注于非洲五国2014至2021年间按性别与教育背景划分的劳动年龄外国公民流入量（单位：千人次）。作为ILOSTAT数据库的子集，该数据集依托ILO在劳工统计领域的权威性，通过整合国家劳动力调查、人口普查及行政记录等多元来源，旨在揭示国际移民流动中的人力资本结构特征。其研究核心在于解析劳动力迁移与教育水平、性别差异之间的关联，为非洲区域劳动政策制定、移民治理及可持续发展目标（SDGs）的监测提供量化依据。该数据集的发布填补了非洲大陆在国际移民流细分数据方面的空白，尤其对探讨全球南方国家间技术移民流动模式具有重要参考价值。

当前挑战

该数据集所应对的领域挑战在于，非洲国际移民流数据长期存在粒度粗糙、性别与教育维度缺失的问题，传统统计体系难以精确刻画劳动年龄移民的技能构成，导致政策制定者在评估人才流失或智力回流效应时面临信息失衡。在构建过程中，面临多重障碍：原始数据来源涵盖各国差异化的调查框架与定义标准，ILO虽通过ICLS定义进行协调，但仍需处理因数据收集周期不一导致的时间序列不连续问题（如2014–2021年间部分国家仅覆盖单一年份）；此外，样本规模有限（共111条观测值），且仅覆盖五国，空间代表性不足，亟需拓展地理覆盖范围以增强泛化能力。数据质量层面，部分观测值存在临时性标记或来源追溯困难，影响了时序分析的稳健性与跨区域比较的可信度。

常用场景

经典使用场景

该数据集主要服务于非洲劳动力市场中国际移民流动的量化分析，尤其聚焦于劳动年龄外国公民的流入量，并按性别和教育水平进行细致分层。研究者可将其用于构建时间序列模型，分析2014至2021年间非洲五国的移民流入趋势，或结合人口统计与劳动力调查数据，探究移民结构性特征与劳动力市场供需之间的关联。数据集以年度观察值呈现，支持按国家、性别及教育分类的聚合分析，为阐述非洲区域间人口迁移的时空演化规律提供了扎实的数据基础。

解决学术问题

该数据集的核心学术价值在于弥补非洲国际移民劳动力数据长期匮乏的缺口，为劳动经济学与人口地理学中的关键议题提供实证依据。它使得学界能够量化分析移民流入规模在性别与教育维度上的异质性，进而探讨人力资本跨境流动对非洲各国就业结构、技能供给及经济增长的传导机制。此外，通过揭示移民流入的年度波动与国别差异，数据集有助于检验劳动力市场融合理论，并评估区域经济政策对人口迁徙行为的影响效应。

衍生相关工作

基于该数据集，研究者已衍生出多项具有影响力的后续工作，包括构建面向非洲的国际移民流动多指标面板数据库，将ILOSTAT中多个相关指标进行整合与时空对齐。系列工作还探索了利用分类与回归模型预测移民流入趋势，或通过时间序列分解技术识别短期波动与长期结构性变化。此外，数据集的元数据规范被采纳为同类非洲劳动力数据的重构模板，推动了跨来源数据的互操作性与可复现性，为非洲劳动市场的系统性模型研究奠定了数据基础设施。