electricsheepafrica/africa-ilo-cld-xhaz-sex-age-geo-nb-children-in-hazardous-work-by-sex-age-and-rural-ur

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的按性别、年龄和城乡区域划分的从事危险工作的儿童数量（千计）指标数据，专注于非洲地区。数据集涵盖39个非洲国家，时间跨度为2001年至2025年，共包含1,915个观察值。数据以表格形式组织，包括国家代码、年份、性别（总计、男性、女性）、年龄分类、区域类型（如全国范围）等维度，以及观测值和数据状态标志。数据集适用于表格分类、回归和时间序列预测等任务，用于分析非洲儿童危险劳动的趋势和模式。数据来源于ILO harmonised的原始调查数据，并经过Electric Sheep Africa重新打包和标准化，以方便机器学习使用。This dataset contains Children in hazardous work by sex, age and rural / urban areas (thousands) indicator data from the International Labour Organization (ILO) ILOSTAT database, focusing on Africa. It covers 39 African countries, spanning the years 2001 to 2025, with 1,915 observations. The data is organized in tabular format, including dimensions such as country codes, year, sex (total, male, female), age classification, area type (e.g., national), along with observed values and data status flags. It is suitable for tasks like tabular classification, regression, and time-series forecasting, aimed at analyzing trends and patterns in hazardous child labor in Africa. The data is sourced from ILO harmonized raw survey data and repackaged by Electric Sheep Africa for machine learning readiness.

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REST API接口直接提取了指标CLD_XHAZ_SEX_AGE_GEO_NB的全部观测值，并依据非洲国家ISO3代码进行地理筛选。ILOSTAT依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查、家庭收入调查等原始微观数据进行标准化处理，数据来源在source.label列中予以标注，确保了跨国的可比性与可追溯性。最终由Electric Sheep Africa团队重新封装为HuggingFace Datasets格式，形成了包含1915条观测、覆盖39个非洲国家、时间跨度2001至2025年的浓缩数据集。

特点

本数据集聚焦于非洲地区按性别、年龄及城乡划分的从事危险工作的儿童人数（单位：千），其核心特色在于精细的多维分解维度。数据不仅提供了按性别（总、男、女）的细分，还通过classif1和classif2列引入了年龄组（如15-17岁）与地理覆盖范围（如国家层面）的分类变量，使得研究者能够深入剖析特定群体的劳动状况。此外，数据集包含obs_status与多个note标签，详尽标注了数据的中断、方法修订等质量标记，为严谨的时序分析提供了关键上下文。年度频率的数据采集与39国的广泛覆盖，使其成为监测非洲儿童劳动趋势的宝贵资源。

使用方法

使用者可通过HuggingFace Datasets库一行代码加载数据，并利用Pandas等工具进行灵活分析。加载后，DataFrame包含ref_area（国家代码）、time（年份）、obs_value（观测值）等核心列。典型操作包括按国家筛选（如df[df['ref_area'] == 'KEN']）以聚焦特定国家的时间序列，或按indicator列过滤后利用sort_values与plot函数绘制趋势图。亦可借助pivot_table轻松构建国家×年份的矩阵视图，便于进行跨国的横向对比或面板数据分析。数据集以cc-by-4.0许可发布，使用时需同时标注ILO原始数据与Electric Sheep Africa的再封装贡献。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，经Electric Sheep Africa整理后托管于HuggingFace平台，聚焦于非洲39个国家2001至2025年间儿童从事危险工作的状况，涵盖性别、年龄及城乡区域等维度。儿童劳动与危险工作是全球可持续发展目标（SDG 8.7）关注的核心议题，尤其在非洲，贫困、教育缺失与制度脆弱性使得大量儿童被迫卷入高风险行业。该数据集基于ILOSTAT这一权威劳动统计数据库，整合自各国劳动力调查与行政记录，通过标准化的国际劳工统计学家会议（ICLS）定义进行数据调和，为研究者、政策制定者及人道主义机构提供了系统追踪非洲儿童危险工作趋势的定量工具，对推动区域劳工政策完善与SDG监测具有显著科学价值。

当前挑战

该数据集面临的核心挑战在于非洲儿童危险工作问题的复杂统计监测与数据治理困境。从领域问题看，儿童危险工作界定高度依赖于社会文化语境，不同国家对“危险”的理解与统计口径差异显著，导致跨国可比性受限；同时，地下经济与非正式雇佣中的儿童工往往被官方调查忽视，造成系统性低估。从构建过程看，数据来源涵盖39国长达25年的多个调查体系，各机构调查设计、样本框架与质量标注（如“序列中断”“待修正”）存在显著异质性，调和过程需处理大量缺失值与分类不一致问题。此外，数据仅提供年度频率且部分国家观测年限稀疏，限制了面板数据的时间序列建模与因果推断效力。

常用场景

经典使用场景

该数据集汇聚了2001年至2025年间39个非洲国家童工在危险工作中分布的官方统计数据，涵盖性别、年龄以及城乡地域等多维度信息。在经典应用场景中，研究者常将其作为面板数据源，通过时间序列分析与截面数据对比，揭示非洲大陆童工危险劳动的时空演变规律。例如，可借助该数据集构建固定效应模型，量化各国经济发展水平、教育投入与童工比例之间的关联，或利用其精细的分组属性评估特定政策在不同性别与年龄群体中的干预效果。此外，数据集中标注的数据源与观测状态字段，为进行元分析及数据质量校正提供了宝贵参考，使其成为国际劳动经济学与儿童发展研究中不可或缺的基础资料。

衍生相关工作

围绕该数据集衍生出了一系列具有影响力的学术与政策研究工作。在国际劳工组织的框架下，部分学者基于此数据构建了童工危险劳动的预测模型，结合宏观经济变量与气候数据，预判未来热点区域。另有工作将其与教育、贫困及健康调查数据关联，构建多维度联立方程，深入剖析童工现象的社会经济根源。此外，数据集的公开性与结构化特性还催生了若干数据可视化项目与交互式仪表盘（如非洲劳动力市场监测平台），使非专业受众也能直观理解这一严峻问题。这些衍生工作不仅拓展了原始数据的应用边界，也促进了跨学科的对话与合作。

数据集最近研究

最新研究方向

该数据集聚焦于非洲39个国家2001至2025年间儿童从事有害工作的性别、年龄及城乡分布统计，为国际劳工组织（ILO）核心数据源ILOSTAT的二次整理与开放发布。在可持续发展目标（SDG 8.7）推动消除童工的时代背景下，该数据集通过细粒度分类变量（如性别、年龄组和城乡地域）揭示了非洲不同国家在有害童工问题上的时空异质性。当前前沿研究方向正从宏观总量统计转向微观人口学交叉分析，利用该数据集可构建基于时间序列的预测模型，评估区域经济转型、教育普及与社会保护政策对童工减少的实际干预成效。此外，将此类结构化数据与多源地理信息或冲突事件指标融合，有望深刻刻画脆弱人群的劳动风险画像，为非洲各国政府及国际机构的精准施策提供坚实的数据基石。