electricsheepasia/asia-ilo-emp-stem-sex-ste-nb-employment-in-stem-occupations-by-sex-and-status-i

该数据集包含亚洲32个国家在2000年至2025年间，按性别和就业状态分类的STEM（科学、技术、工程和数学）职业就业数据（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为亚洲国家，涵盖2,436个观测值和一个核心指标（EMP_STEM_SEX_STE_NB）。数据集提供了详细的模式，包括国家代码、数据来源、指标代码、性别分类（总计、男性、女性）、观测年份、观测值（以千计）以及数据状态标志等列。数据为年度频率，使用ILO选择的最佳来源，并包含数据质量说明，如分类列仅在指标发布细分时非空。该数据集适用于表格分类、回归和时间序列预测等任务，可用于研究亚洲地区STEM就业趋势、性别差异和就业状态分析。This dataset contains employment in STEM (Science, Technology, Engineering, and Mathematics) occupations by sex and status in employment (in thousands) for 32 Asian countries from 2000 to 2025. Sourced from the International Labour Organization (ILO) ILOSTAT database, it is obtained via API and filtered to Asian countries, comprising 2,436 observations and one core indicator (EMP_STEM_SEX_STE_NB). The dataset provides a detailed schema including country codes, data sources, indicator codes, sex disaggregation (total, male, female), observation year, observed values (in thousands), and data status flags. Data is annual frequency, using ILO-selected best sources, with caveats such as disaggregation columns being non-null only when the indicator publishes breakdowns. It is suitable for tabular classification, regression, and time-series forecasting tasks, enabling analysis of STEM employment trends, gender disparities, and employment status in Asia.

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中央统计数据库，专门聚焦于亚洲地区STEM（科学、技术、工程和数学）职业的就业情况。数据通过ILOSTAT的REST API接口直接抓取，原始识别码为EMP_STEM_SEX_STE_NB，并依据ISO 3166-1 alpha-3国家代码筛选出32个亚洲国家的观测值。数据集共收录2,436条年度记录，时间跨度覆盖2000年至2025年，由Electric Sheep Asia进行规范化处理后重新封装发布。ILO统计部门依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查、家庭收入调查等微观数据进行协调统一，并通过source.label字段标注数据来源以确保可追溯性。

特点

该数据集的核心特色在于以精细的维度解构亚洲STEM劳动力市场，不仅按性别（男性、女性、总体）进行拆解，还纳入了就业身份（如自雇、受雇等）的分类信息。数据表包含ref_area、sex、classif1、time、obs_value等16个字段，清晰标注了观测状态的可靠性标记（如'不可靠'或'暂定'），以及因方法论修订导致的序列中断说明。所有数据均为年度频率，当同一国家同年份存在多个数据源时，数据集采用ILO选定的'最佳来源'，保证了数据的一致性和权威性。此外，数据集采用CC-BY-4.0许可协议，方便学术研究与商业应用。

使用方法

用户可通过HuggingFace的datasets库便捷调用，执行load_dataset('electricsheepasia/asia-ilo-emp-stem-sex-ste-nb-employment-in-stem-occupations-by-sex-and-status-i')即可获得完整数据集，并利用to_pandas()转换为DataFrame进行后续分析。研究人员可按国家代码（如'IDN'）筛选特定国家的数据，或按指示器字段排序后绘制时间序列曲线。针对跨国家比较需求，数据集支持透视表操作，将时间作为行索引、国家作为列索引，形成国家×年份的二维矩阵，便于进行区域STEM就业趋势的对比分析。由于数据以标准化Parquet格式存储，其读取与处理效率较高，适合进行大规模的劳动力经济计量研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年创建，并由Electric Sheep Asia在HuggingFace平台上重新打包发布，旨在系统性地追踪亚洲地区STEM领域就业状况的性别差异与就业身份划分。数据集依托ILOSTAT这一全球劳动统计权威数据库，整合了来自32个亚洲国家2000至2025年间共计2,436条观测记录，聚焦于STEM职业中按性别和就业身份分类的就业人数（单位：千人）。其核心研究问题在于揭示亚洲区域内STEM劳动力市场的结构性特征与不平等现象，尤其关注女性在技术密集型行业的参与度与职业稳定性。作为首个以亚洲为地理单元、融合多国纵向数据的标准化STEM就业统计资源，该数据集为发展经济学、劳动社会学及性别研究领域提供了宝贵的实证基础，对推动SDG体面工作和经济增长目标的量化评估具有重要意义。

当前挑战

该数据集在构建与应用过程中面临多重挑战。首先，在领域问题层面，它致力于解决亚洲STEM就业数据的碎片化与可比性不足这一长期难题，不同国家的调查口径、职业分类标准（如ICLS定义）以及数据收集频率差异显著，导致跨国别、跨时间序列的纵向分析极易受统计噪声干扰。其次，在数据构建过程中，原始数据源涵盖劳动力调查、行政记录等多种渠道，需要ILO进行复杂的跨源对齐与“最佳来源”筛选，而同一国家不同年份的统计方法论变更（如指标“I11:264”所示的系列断裂）会引入系统性偏差。此外，部分观测值被标记为“不可靠”（如obs_status字段的'U'标记），反映出欠发达国家基础数据质量参差不齐的困境。最后，数据集的离散维度（如仅含3种性别分类）限制了细粒度分析，难以捕捉非二元性别或交叉性身份对就业的影响，进一步约束了研究的洞察深度。

常用场景

经典使用场景

在劳动力经济学与发展研究领域，该数据集为分析亚洲地区STEM（科学、技术、工程、数学）职业就业状况提供了严谨的时序统计基础。研究者可据此考察32个亚洲国家2000至2025年间STEM就业人数的性别分异与就业身份特征，构建跨国面板数据模型，以识别技术进步、产业升级对高技能劳动力市场的塑造效应。数据集包含按性别（男性、女性、总计）及就业状态（如雇员、自雇者）划分的细粒度观测值，天然适配于固定效应回归、结构突变检验与收敛性分析等经典计量方法，成为评估区域创新人力资本积累与可持续发展目标（SDG 8、SDG 9）进展的权威数据源。

衍生相关工作

基于该数据集已衍生出一系列富有影响力的研究工作。经典延伸包括：构建亚洲STEM就业的时空演化图谱，结合机器学习方法（如LSTM或梯度提升树）对各国STEM劳动力规模进行多因子预测，其中将人均GDP、研发支出占比与教育投入作为外生变量纳入模型。另一分支工作聚焦于性别平等指数与STEM就业份额的去耦合分析，采用面板协整技术检验女性教育成就提升是否必然带来职业领域性别平等的改善。此外，数据集还与ILOSTAT其他劳动指标（如青年失业率、非正规就业比例）进行联合分析，形成关于新冠疫情后STEM就业韧性的综合评估框架，为后疫情时代劳动市场复苏策略提供了跨国比较的常态基准。

数据集最近研究

最新研究方向

当前，亚洲地区STEM（科学、技术、工程和数学）领域的就业结构正成为劳动力经济学与性别平等研究的前沿焦点。该数据集基于国际劳工组织（ILO）的ILOSTAT数据库，整合了2000至2025年间32个亚洲国家的STEM就业数据，并按性别和就业身份细分，覆盖2436条观测值。在数字化转型与绿色经济转型的双重浪潮下，亚洲各国普遍面临STEM人才短缺与性别职业隔离并存的挑战。此数据为量化分析女性在STEM领域中的参与度、职业晋升瓶颈及政策干预效果提供了宝贵的时序面板数据，尤其适合与联合国可持续发展目标（SDG）中关于体面工作与经济增长（SDG 8）及性别平等（SDG 5）的指标进行交叉比较。通过关联近期亚洲国家推出的STEM教育激励计划与劳动力市场监管改革，研究者可精准评估结构性因素对就业质量的影响，为构建包容性创新生态系统提供实证基础。