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

这是一个关于欧洲15个国家在2001年至2025年间，按性别和经济活动分类的STEM职业就业人数（以千计）的数据集。数据集包含14,699个观测值，涵盖一个核心指标（EMP_STEM_SEX_ECO_NB），数据来源于国际劳工组织（ILO）的ILOSTAT数据库，并通过ILOSTAT REST API获取，经过筛选仅包含欧洲国家。数据列包括国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、时间（年份）、观测值、观测状态等，用于支持表格分类、回归和时间序列预测等任务。数据集由Electric Sheep Europe重新打包，以方便机器学习使用。This dataset contains 14,699 observations of employment in STEM occupations by sex and economic activity (in thousands) across 15 European countries from 2001 to 2025. It includes one indicator (EMP_STEM_SEX_ECO_NB), sourced from the International Labour Organization (ILO) ILOSTAT database, filtered to European ISO3 country codes. The data columns cover country codes, country names, source information, indicator codes, sex disaggregation (total, male, female), time (year), observed values, observation status, and more, designed for tabular classification, regression, and time-series forecasting tasks. The dataset is repackaged by Electric Sheep Europe for ML-ready use.

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统计数据库，通过REST API接口直接拉取原始数据，并依据ICLS（国际劳动统计学家会议）定义对调查微观数据进行统一标准化处理。数据筛选聚焦于欧洲地区的15个国家，时间跨度覆盖2001年至2025年，共收录14,699条观测记录。数据来源的追踪信息被保留在'Source.label'列中，以确保可追溯性。Electric Sheep Europe团队对原始数据进行了清洗、整合与重包装，形成了可供机器学习工作流直接调用的结构化管理数据集。

使用方法

用户可通过HuggingFace Datasets库的load_dataset函数直接加载该数据集，并将其转换为Pandas DataFrame以便进行后续分析。示例操作包括按国家代码筛选单个国家的数据，针对特定指标绘制时间序列图，以及利用pivot_table构建国家×年份的观测矩阵。数据集中所有特征均以标准化字段命名，便于直接应用于机器学习模型训练。用户在使用时需遵循CC-BY-4.0许可协议，并同时引用ILO原始数据源与Electric Sheep Europe的重包装版本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）旗下的ILOSTAT统计数据库于2025年发布，并由Electric Sheep Europe团队重新封装至HuggingFace平台。其核心研究问题聚焦于欧洲15个国家在2001至2025年间，STEM（科学、技术、工程与数学）领域从业人员的性别与经济活动分布状况。数据集包含逾14,699条观测记录，整合了基于ICLS国际定义的国家劳动力调查等官方数据，为分析欧洲STEM劳动力市场的性别差异与行业结构提供了关键纵向依据。作为ILOSTAT劳动力统计体系的重要组成，该数据对劳动经济学、性别平等研究及地区科技政策制定具有显著的支撑价值，推动了跨国家、长时序的STEM就业格局深入研究。

当前挑战

从领域问题层面看，数据集所解决的挑战在于量化并追踪欧洲各国STEM就业中存在的系统性性别与行业不均衡，这类劳动力结构问题长期受限于跨国数据口径不一致和时序断裂。在构建过程中，核心挑战包括：各成员国原始调查方法差异（如不同劳动力调查问卷设计）导致的数据可比性修正，需依赖ILO统一的ICLS定义进行协调；数据中存在多项标识列（如`obs_status`标记为不可靠），反映部分观测值因小样本或数据质量欠佳而需审慎使用；此外，不同国家在同一指标上存在多数据源竞争，需依赖ILO指定“最佳来源”进行筛选，这种主观选择可能引入偏差，影响跨国的无缝对比与向下游时间序列建模的鲁棒性。

常用场景

经典使用场景

该数据集收录了2001年至2025年间15个欧洲国家在STEM（科学、技术、工程与数学）领域就业人数的年度观测值，并按性别与经济活动进行细分，共计14,699条记录。其最经典的使用场景在于作为结构化面板数据，服务于时间序列预测任务——研究者可依托该数据集构建自回归移动平均模型或长短期记忆网络，对欧洲各国STEM领域劳动力规模进行中短期趋势推演。同时，该数据亦适用于多分类与回归分析，用于探究性别差异、经济活动类别与STEM就业比例之间的关联模式。此外，按照联合国国际劳工组织ILOSTAT规范编码的元数据字段，使得数据清洗与特征工程操作高度标准化，便于进行跨国比较与跨时段归因研究。

解决学术问题

该数据集直接回应了劳动经济学与教育经济学中长期存在的核心难题：如何系统性地刻画技术密集型产业中人力资本的性别分布与结构性变化。借助性别维度的拆解，学者可定量评估欧洲国家STEM领域女性参与率的动态演进，并检验政策干预如教育平权措施与职业培训项目是否显著缩小了性别就业差距。从宏观经济视角出发，该数据可用于测算技术岗位供给对经济增长的贡献程度，验证人力资本理论中关于技能偏向型技术变迁的假说。其对经济活动分类的分层记录，更使得研究者能够构建多层级回归模型，有效剔除行业异质性带来的混杂偏差，从而更精确地识别技术进步对就业结构的因果效应。

实际应用

在实际应用层面，该数据集为欧洲各国政府的人力资源规划与职业技能培训体系提供了量化的决策依据。劳动部门可依据不同经济活动中STEM从业人数的历年变化趋势，诊断哪些行业面临技术人才短缺的瓶颈，进而定向调整高等教育资助方案或职业再培训补贴政策。企业人力资源团队在制定多元与包容战略时，亦可借助性别细分的就业数据，确立阶段性女性工程师或科学家招聘指标，并与行业基准对标。国际组织如欧盟委员会在监管框架下评估成员国数字化转型进展时，该数据集能提供标准化、可复验的劳动力指标，用以监测“欧洲技能议程”与“数字十年”目标在STEM人力储备层面的达成情况。

数据集最近研究

最新研究方向

该数据集源于国际劳工组织ILOSTAT数据库，聚焦欧洲15国2001至2025年间STEM（科学、技术、工程与数学）领域就业人口按性别与经济活动的分布情况，共计14,699条观测记录。在当前全球科技竞争加剧与数字化转型浪潮的宏观背景下，STEM人才的国际流动与结构性短缺已成为政策制定与学术研究的前沿热点。该数据集的独特价值在于其跨时空的纵向追踪与性别、行业的多维拆解能力，前沿研究可借此探讨欧洲劳动力市场中性别平等与技术创新之间的复杂互动关系，例如女性在STEM领域参与率提升对经济韧性的贡献。结合近年来欧盟发布的新产业战略与“数字十年”政策目标，该数据为评估不同国家在技术创新型就业中的性别鸿沟、识别高技能劳动力供给瓶颈提供了可靠的量化依据。其时间序列特性亦支持运用面板数据模型或因果推断方法，深入剖析经济危机、疫情冲击与产业政策对STEM就业结构的动态影响，进而为构建更具包容性与竞争力的欧洲劳动力市场贡献实证洞见。