electricsheepafrica/africa-ilo-cld-tpop-sex-age-stu-nb-child-population-by-sex-age-and-school-attendance

该数据集包含非洲45个国家从2001年至2025年的儿童人口数据，按性别、年龄和上学情况（以千计）进行统计。数据集共有3,862个观测值，涵盖一个核心指标：CLD_TPOP_SEX_AGE_STU_NB（儿童人口按性别、年龄和上学情况分类）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过过滤处理，确保仅包含非洲国家。数据集以表格形式组织，包括列如国家代码、性别分类、年龄分类、观测年份、观测值等，适用于表格分类、回归和时间序列预测等任务。数据遵循CC-BY-4.0许可证，由Electric Sheep Africa重新打包，以支持机器学习和研究用途。This dataset contains child population data for 45 African countries from 2001 to 2025, disaggregated by sex, age, and school attendance (in thousands). It includes 3,862 observations covering one key indicator: CLD_TPOP_SEX_AGE_STU_NB (Child population by sex, age and school attendance). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to African countries. Organized in tabular format, it includes columns such as country code, sex classification, age classification, observation year, and observed values, suitable for tasks like tabular classification, regression, and time-series forecasting. Licensed under CC-BY-4.0, the dataset is repackaged by Electric Sheep Africa for machine learning and research purposes.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）的ILOSTAT中央统计数据库，该数据库是全球劳动统计领域的权威来源，广泛整合了各国劳动力调查、家庭收支调查及行政记录等微观数据。研究人员通过ILOSTAT提供的REST API接口，直接抽取了与童工相关的指标数据，并依据国际劳工统计学家会议（ICLS）的统一定义进行标准化处理。在此基础上，数据集筛选出覆盖非洲大陆45个国家的观测记录，涉及时间跨度为2001年至2025年，最终汇聚成包含3862条观测样本的标准化表格数据，每条记录均保留了原始数据来源的标识信息，确保了数据的可追溯性与方法一致性。

特点

该数据集聚焦于按性别、年龄和就学状况分层的非洲童工群体人口统计，呈现出高度结构化的多维特征。其核心变量为单一指标——童工人口数（以千计），并通过性别、年龄组及教育参与状态等分类维度实现精细化解构，支持从总量到细分群体的深入分析。数据覆盖范围广泛，囊括赞比亚、加纳、马拉维等45个非洲国家，时间序列长达25年，为研究非洲大陆童工现象的时空演变与区域差异提供了宝贵素材。同时，数据集中附有观测状态标记与方法说明，为评估数据质量与研究适用性提供了清晰指引。

使用方法

研究者可通过HuggingFace Datasets库轻松加载该数据集，使用`load_dataset`函数即可一步获取完整的表格数据，并转化为Pandas DataFrame进行后续分析。数据集的列结构清晰，包含国家代码、时间、数值及分类标签等关键字段，便于进行按国家或指标筛选的单变量分析，例如针对肯尼亚或某一特定年龄组进行时间序列可视化。此外，利用pivot_table工具可便捷地将数据重构为国家与年份交叉的矩阵形式，适用于面板数据分析或预测建模任务，充分满足从描述性统计到时间序列预测等多种研究需求。

背景与挑战

背景概述

童工问题是全球劳工权益保障领域的核心议题，尤其在非洲大陆，由于贫困、教育匮乏与制度脆弱性交织，大量儿童被迫卷入劳动力市场，严重阻碍了联合国可持续发展目标中体面工作与教育普及的实现。国际劳工组织（ILO）作为该领域的权威机构，依托其主导的ILOSTAT统计数据库，系统收集并整合了来自200多个经济体的劳动力调查数据。在此背景下，Electric Sheep Africa于2025年从ILOSTAT的REST API中提取并重新封装了“africa-ilo-cld-tpop-sex-age-stu-nb-child-population-by-sex-age-and-school-attendance”数据集，专注于非洲45个国家、2001至2025年间按性别、年龄及就学状况划分的童工人口统计。该数据集涵盖3,862条观测记录，旨在为政策制定者与研究者提供标准化、机器可读的高质量时间序列数据，以支撑童工现象的监测、归因分析与干预效果评估，成为连接原始官方统计与机器学习应用的桥梁。

当前挑战

该数据集所解决的领域问题核心在于：童工数据的可得性与可比性长期受限，且原始调查数据常因各国统计口径、调查方法和时间跨度差异而碎片化，制约了对非洲童工规模的精准量化及跨境趋势分析。其面临的主要挑战包括：其一，数据同质化难题——ILOSTAT虽采用国际劳工统计学家会议（ICLS）定义进行协调，但各国来源（如劳动力调查、家庭收支调查）的底层定义与采样偏差仍存在隐性差异，需在“best source”筛选逻辑中权衡一致性牺牲；其二，稀疏性与间断性——45国覆盖时长不均（如赞比亚仅2018-2022年，而埃塞俄比亚跨度超20年但仅有131条），且观测状态标识如“Break in series”揭示因方法修订导致的时间序列断裂，给长期趋势建模带来缺失值处理挑战；其三，维度复杂性与聚合歧义——数据按性别、年龄组（如15-17岁）及就学状况（总/未就学）交叉分类，不同分类组合的样本量分布极不均衡，而多源融合时可能引入人为的聚合偏差，须谨慎处理潜在的多重共线性与代表性偏差。

常用场景

经典使用场景

该数据集收录了2001年至2025年间45个非洲国家按性别、年龄和就学状况分层的童工人口数据，共计3862条观测记录，是研究非洲地区童工现象的经典结构化时序数据。研究者可借助该数据集进行童工规模的跨国比较、时间趋势分析以及性别与年龄结构的差异剖析，从而洞察不同国家在童工治理进程中的阶段性特征。其规范的格式与丰富的分类维度，使其成为人口学、劳动经济学与发展研究领域中不可或缺的基础数据源。

实际应用

在实际应用层面，该数据集为国际发展机构、非洲各国政府部门及非营利组织制定和评估反童工政策提供了关键证据基础。例如，通过分析特定年龄组或性别的童工集聚趋势，政策制定者可精准定位干预重点，优化教育资源分配与社会保护方案。同时，数据的高粒度特性使其能够服务于劳动力市场监测系统，辅助构建早期预警机制，为消除童工、促进体面劳动提供数据驱动的决策支持。

衍生相关工作

基于该数据集衍生出的经典工作涵盖多个方向：一是构建童工规模的时序预测模型，利用机器学习方法外推未来童工人口变化，为政策规划提供前瞻性参考；二是开展跨国面板数据分析，探究经济增长、教育投入与童工率之间的动态因果关系；三是开发可视化的非洲童工地图集，以空间分析揭示区域聚类特征。此外，该数据还被整合进多指标聚类研究与童工脆弱性评估框架中，催生了大量关于非洲劳动力转型与社会公正的实证文献。