electricsheepafrica/africa-ilo-ees-tees-sex-oc2-nb-employees-by-sex-and-occupation-isco-level-2-thous

该数据集包含非洲41个国家从1999年至2025年按性别和职业（ISCO二级分类）统计的雇员数据（以千计），共有19,507个观测值，涵盖1个核心指标（EES_TEES_SEX_OC2_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并经过非洲国家代码过滤，ILO根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标准化处理。数据集为表格格式，包含国家代码、国家名称、数据来源、指标代码、性别分类、职业分类、年份、观测值等字段，适用于表格分类、回归和时间序列预测等机器学习任务。This dataset contains employee data by sex and occupation (ISCO level 2, in thousands) for 41 African countries from 1999 to 2025, with 19,507 observations covering 1 distinct indicator (EES_TEES_SEX_OC2_NB). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via REST API and filtered to African ISO3 country codes, with ILO harmonizing raw survey microdata using International Conference of Labour Statisticians (ICLS) definitions. The dataset is in tabular format, including fields such as country code, country name, data source, indicator code, sex classification, occupation classification, year, observed value, etc., and is suitable for machine learning tasks like tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

该数据集依托国际劳工组织（ILO）的ILOSTAT中央统计数据库，由Electric Sheep Africa对原始数据进行系统化重制与元数据标准化。其构建过程遵循可复现的工程规范，将1999至2025年间41个非洲国家的雇员统计资料，按性别与ISCO二级职业分类进行结构化整合，形成包含19,507条观测值的表格化资源。数据集以Parquet格式发布，并辅以统一的元数据描述、来源溯源及使用指引，确保非洲区域劳动统计信息的可发现性与可解析性。

使用方法

使用者可通过Hugging Face的datasets库直接加载该数据集，获取各分割的特征结构与样本预览，并可借助to_pandas方法转换为数据框以开展统计分析。在建模或推断前，建议先核查变量定义、计量单位及缺失模式，并利用显式的国家、年份与指标字段进行跨数据集联结。下游分析应保留原始缺失值直至确立合理的插补规则，同时引用来源出处与Electric Sheep Africa仓库，以确保研究流程的可重复性与透明性。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于全球劳动力市场统计数据的编纂与标准化，其ILOSTAT数据库为劳动经济学研究提供了权威的跨国比较基础。然而，非洲地区劳动力市场数据长期面临碎片化、覆盖不全与标准化不足的困境，制约了该区域就业结构变迁的实证研究。2026年，Electric Sheep Africa基于ILOSTAT源数据，构建了覆盖41个非洲国家、1999至2025年间19507条观测的雇员性别与职业（ISCO二级分类）数据集，以标准化元数据与可复现格式重新封装发布。该数据集填补了非洲劳动力性别-职业结构长时序面板数据的空白，为劳动经济学、发展经济学及性别研究提供了关键基础设施。

当前挑战

该数据集所应对的核心领域挑战在于非洲劳动力市场统计长期存在的性别与职业交叉分类数据稀缺问题，ISCO二级职业分类下的分性别雇员数据在多数非洲国家统计体系中尚未实现系统化采集与公开。构建过程中的主要挑战包括：源数据在时间维度上的不连续性，部分国家存在多年数据缺失；ISCO编码在国家间执行标准不一，职业分类映射需要大量人工校验；性别维度与职业维度的交叉导致细粒度单元格样本量偏小，统计披露限制可能引入选择性偏差；元数据中country与upstream_publisher字段存在缺失，地理标识依赖标题推断而非显式字段，增加了数据链接与比较分析的风险。

常用场景

经典使用场景

在非洲劳动力市场结构变迁的量化研究中，该数据集构成了刻画性别与职业分层动态的核心证据基座。其经典用法在于依托国际标准职业分类第二层级（ISCO-08 Level 2）的细分框架，对1999至2025年间41个非洲国家的雇员人数（以千计）进行跨国、跨性别的长时序比较分析。研究者借此可系统检视不同职业类别中女性与男性雇员比例的演化轨迹，进而揭示非洲各区域在职业隔离程度、女性经济参与度以及劳动力部门结构转型上的异质性特征。

解决学术问题

该数据集有效回应了非洲劳动力统计中性别与职业交叉维度长期数据匮乏的学术困境。既往研究多受制于国别统计口径不一、职业分类粒度粗糙以及时序断裂等障碍，难以开展稳健的跨国比较。本数据集通过ILOSTAT标准化框架与Electric Sheep Africa的元数据治理，统一了性别标识、职业层级与计量单位，使研究者得以在一致口径下检验性别职业隔离假说、评估结构性转型对两性就业机会的非对称影响，并为非洲劳动经济学积累可复现的实证基础。

实际应用

在政策制定与国际发展实务中，该数据集为非洲各国劳工部门、国际组织及非政府机构提供了可操作的量化依据。就业促进政策的设计者可据此识别女性就业高度集中的低薪职业类别，精准定位职业培训与反歧视干预的优先领域；区域一体化机构可借助跨国比较结果评估劳动力市场政策的收敛程度；国际援助机构亦能依托其时序特征追踪干预措施在中长期的就业结构效应，从而优化资源配置与项目评估。

数据集最近研究

最新研究方向

在非洲劳动力市场结构转型与性别平等议题交织的背景下，该数据集依托国际劳工组织ILOSTAT的权威统计框架，以ISCO二级职业分类为粒度，系统记录了1999至2025年间41个非洲国家按性别与职业划分的雇员规模，为探究性别职业隔离的时空演变提供了稀缺的跨国面板基础。当前前沿研究正借助此类高维职业—性别交叉数据，结合非洲大陆自由贸易区建设、非正规经济扩张及后疫情劳动力重构等热点议题，运用面板计量与机器学习方法识别女性在中等技能职业中的参与瓶颈。该数据集的方法论意义在于，其标准化元数据与可复现加载路径降低了非洲劳动统计的比较壁垒，支撑性别敏感的就业政策评估与可持续发展目标监测，为区域一体化进程中的人力资本配置研究注入实证动能。