electricsheepafrica/africa-ilo-sdg-a871-sex-age-rt-sdg-indicator-8-7-1-proportion-of-children-engaged

这是一个关于非洲童工的数据集，专门针对联合国可持续发展目标（SDG）指标8.7.1，即“按性别和年龄划分的从事经济活动的儿童比例”。数据集包含1,078个观测值，覆盖44个非洲国家，时间跨度为2001年至2025年。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过标准化处理，使用国际劳工统计学家会议（ICLS）的定义进行协调。数据集包含多个维度，如国家代码、来源信息、指标代码、性别分类（总计、男性、女性）、年龄分组（例如15-17岁）、观测年份、数值观测值以及数据状态标志。它旨在为研究人员和开发者提供机器学习就绪的格式化数据，用于表格分类、回归或时间序列预测等任务，以分析非洲地区的童工趋势和模式。This dataset focuses on child labour in Africa, specifically for the United Nations Sustainable Development Goal (SDG) indicator 8.7.1, which measures the proportion of children engaged in economic activity by sex and age. It contains 1,078 observations across 44 African countries, spanning from 2001 to 2025. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via API and harmonized using International Conference of Labour Statisticians (ICLS) definitions. The dataset includes dimensions such as country codes, source information, indicator codes, sex disaggregation (total, male, female), age groups (e.g., 15-17 years), observation years, numerical values, and data status flags. It is designed to provide machine learning-ready formatted data for tasks like tabular classification, regression, or time-series forecasting, enabling analysis of child labour trends and patterns in Africa.

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中央统计数据库与联合国可持续发展目标（SDG）数据体系，针对非洲区域儿童经济活动参与状况进行系统整合。构建过程以SDG指标8.7.1为核心框架，从原始来源提取2001年至2025年间44个非洲国家的1078条观测记录，按性别与年龄维度进行结构化重编码，并统一转换为Parquet格式，最终由Electric Sheep Africa完成元数据标准化与发布。

特点

数据集聚焦非洲儿童劳动参与率这一社会经济议题，覆盖44个非洲国家、长达二十五年的时间跨度，包含性别与年龄双重分组变量，具备较高的时空分辨率与跨群体比较能力。数据以表格与文本双模态呈现，属于中小规模数据集，采用CC BY 4.0开放许可，便于研究者进行可复现分析与跨国别、跨时期的比较研究。

使用方法

研究者可通过Hugging Face的datasets库以load_dataset函数直接加载该数据集，利用内置的数据查看器检视数据结构与变量定义。加载后可提取指定切分并转换为Pandas数据框以支持进一步统计分析，同时建议在进行建模之前系统检查缺失值分布、变量单位与地理标识，并依据明确的年份、国家与指标字段与其他Electric Sheep Africa数据集进行关联。

背景与挑战

背景概述

国际劳工组织《劳工统计年鉴》与联合国可持续发展目标数据库长期追踪全球童工状况，其中心指标8.7.1旨在衡量从事经济活动的儿童比例。该数据集由Electric Sheep Africa于2026年整理发布，源自ILOSTAT及联合国SDG数据，覆盖44个非洲国家、2001至2025年间共1078条观测记录，并按性别与年龄组细分。它回应了非洲童工数据碎片化、可比性不足的困境，为劳动经济学、发展政策评估与机器学习建模提供了标准化、可复现的表格资源，对区域减贫与教育干预研究具有基础性支撑意义。

当前挑战

在领域层面，童工参与率受非正式经济、季节性农业与家庭贫困交织影响，统计口径与抽样方法在各国间难以统一，导致跨国比较与趋势推断面临系统性偏差。构建维度上，原始ILOSTAT数据存在性别年龄分组缺失、指标定义随年份演化、部分国家观测稀疏等问题，需依赖元数据推断地理归属并谨慎保留缺失值。此外，儿童经济活动常处于法律与统计盲区，自报数据易受社会期望偏差干扰，如何在保持数据真实性的同时支持稳健建模，构成该数据集持续面临的挑战。

常用场景

经典使用场景

在非洲劳动经济学与人口统计学研究中，该数据集构成了剖析童工现象的基准性数据资源。依据国际劳工组织（ILO）与联合国可持续发展目标（SDG）第8.7.1项指标的框架，研究者借助其涵盖44个非洲国家、2001至2025年间的1078条观测记录，得以系统性地比较不同性别与年龄组儿童参与经济活动的比例分布。这一结构化面板数据为跨国别、跨时期的童工率估计提供了统一口径，尤其适用于分析撒哈拉以南非洲地区童工现象的时空演变轨迹与群体异质性。

实际应用

在国际组织与非洲各国政策实践中，该数据集成为监测SDG目标8.7进展的核心工具之一。联合国机构、世界银行及非政府组织可依据其分国别、分性别、分年龄的量化指标，定位童工高风险区域并优化资源投放。各国劳工部门亦可借助该数据评估现行反童工法规的执行成效，或结合教育部门数据构建辍学预警模型。对于致力于消除最恶劣形式童工劳动的项目设计者而言，该数据提供了可操作的基准线，用以衡量干预前后的比例变化。

衍生相关工作

依托该数据集，Electric Sheep Africa构建了面向非洲公开数据的标准化元数据目录，推动了后续一系列机器学习就绪型数据集的开发与整合。研究者以其为参照，衍生出跨国童工率预测模型、性别不平等与劳动参与关联分析，以及将ILOSTAT数据与世界银行发展指标进行实体对齐的探索性工作。在Hugging Face平台内，该数据集促成了与非洲就业、教育及贫困主题数据集的联结使用，形成了可复现的分析范式，为区域可持续发展研究提供了可扩展的数据工程范例。