electricsheepafrica/africa-ilo-lai-wopl-noc-nb-registered-workplaces-that-could-be-selected-for-l

该数据集包含非洲地区劳动监察相关数据，具体涉及‘可被选为劳动监察的注册工作场所’指标。数据集包含33个观测值，覆盖8个非洲国家（包括南非、毛里求斯、多哥、摩洛哥、塞舌尔、布基纳法索、布隆迪和乌干达），时间跨度为2009年至2024年。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并过滤到非洲国家代码。数据集包含多个字段，如国家代码、国家名称、数据来源、指标代码、指标名称、观测年份、观测值、观测状态和备注等。数据为年度频率，并经过ILO的标准化处理，以确保数据质量和一致性。数据集以CC-BY-4.0许可证发布，适用于表格分类、回归和时间序列预测等任务。This dataset contains labour inspection data for Africa, specifically focusing on the indicator Registered workplaces that could be selected for labour inspection. It includes 33 observations across 8 African countries (including South Africa, Mauritius, Togo, Morocco, Seychelles, Burkina Faso, Burundi, and Uganda), spanning the years 2009 to 2024. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via the REST API and filtered to African ISO3 country codes. The dataset features multiple columns such as country code, country name, data source, indicator code, indicator name, observation year, observed value, observation status, and notes. Data is annual in frequency and harmonized by ILO using International Conference of Labour Statisticians (ICLS) definitions for quality and consistency. Released under the CC-BY-4.0 license, it is suitable for 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统计数据库，通过REST API接口直接提取了非洲地区可被选为劳动监察的注册工作场所指标（LAI_WOPL_NOC_NB）的观测数据。ILOSTAT遵循国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行统一协调，数据来源涵盖劳动力调查、行政记录等渠道，并在数据集中以`source.label`字段标注来源信息以确保可追溯性。Electric Sheep Africa团队对原始数据进行筛选，仅保留非洲ISO3国家代码对应的记录，并整合为结构化的表格数据，最终以Parquet格式封装发布在HuggingFace平台上。

特点

该数据集包含来自8个非洲国家的33条观测记录，时间跨度从2009年至2024年，聚焦单一指标——可被选为劳动监察的注册工作场所数量。数据以年度频率呈现，南非和毛里求斯贡献了最多的观测条目。每一条记录均包含国家代码、来源标识、指标名称、观测年份及具体数值等关键字段，同时附有观测状态标记和来源注释，便于用户进行数据质量评估。数据集的许可协议为CC-BY-4.0，允许自由使用和分享，但需在引用时注明原始来源和Electric Sheep Africa的重新打包贡献。

使用方法

用户可通过HuggingFace的`datasets`库直接加载该数据集，使用`load_dataset()`函数即可获取训练集数据，并轻松转换为Pandas DataFrame格式进行后续分析。适用于劳动经济学领域的分类、回归以及时间序列预测任务。研究者可以按国家代码筛选特定国家的观测值，也可针对单一指标绘制随时间变化的趋势图。此外，数据集支持通过数据透视表功能构建国家与年份的矩阵，便于进行跨国的横向比较分析。建议用户在使用时注意年度频率的限制以及ILO选择的“最佳来源”优先原则，以正确理解数据中观测值的含义。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2024年通过其ILOSTAT数据库发布，并由Electric Sheep Africa重新打包整理，聚焦非洲地区可被选中进行劳动监察的注册工作场所数量。作为全球劳动统计的权威来源，ILOSTAT整合了来自各国劳动力调查、行政记录等多源数据，为劳动监察、就业质量和体面劳动等重要议题提供量化基础。该数据集覆盖8个非洲国家、2009至2024年间共33条观测记录，针对单一核心指标（LAI_WOPL_NOC_NB），揭示了非洲大陆劳动监察覆盖范围的稀疏性和时空不均衡性，为研究非正规就业、劳动执法效能及可持续发展目标（SDG）中的体面劳动进展提供了稀缺的纵向数据支撑。

当前挑战

数据集所解决的核心领域问题在于量化非洲地区劳动监察的可得性与覆盖缺口——这一指标直接关联劳动者权益保障与劳动法规执行效能的评估。构建过程中面临多重挑战：首先，非洲各国劳动监察记录的系统性差异巨大（如南非贡献12条观测，而布基纳法索仅1条），数据稀疏性限制了跨国家、跨时段的稳健比较与面板分析；其次，数据来源混杂（如劳动力调查、行政记录等），尽管ILO选定‘最佳来源’，但不同来源的定义与采集方法异质性仍可能引入测量偏误；此外，年度频率与少量国家的数据断裂（如摩洛哥仅涵盖2009-2010年）削弱了时间序列预测的可靠性，且缺乏性别、行业等关键维度的分解，阻碍了对劳动监察覆盖不均衡背后深层社会经济因素的挖掘。

常用场景

经典使用场景

在非洲劳动经济学与公共政策研究领域，该数据集聚焦于记录2009年至2024年间八个非洲国家可供劳动监察选择的工作场所数量，为分析劳动监察制度在非洲大陆的实施范围与覆盖动态提供了稀有的定量基础。研究者可借此开展跨国比较，考察不同经济体在劳动监察能力建设上的差异，或结合时间序列趋势揭示监察覆盖面随经济发展与制度变迁的演变规律。

衍生相关工作

该数据集虽体量精巧，但已催生出若干围绕ILOSTAT非洲劳动数据再包装与增强的研究工作。代表性工作之一即Electric Sheep Africa发起的系列化数据集整理项目，其通过统一Schema清洗与Parquet格式优化，显著降低了非洲区域劳动统计数据在机器学习流水线中的接入门槛。此外，基于类似劳动监察指标，已有学者构建了预测非洲国家劳动执法覆盖率变化的简易时间序列模型，探索制度变迁的前置信号。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区可被选择进行劳动监察的注册工作场所的时空分布与统计特征，为国际劳动组织（ILO）推动的非洲体面劳动议程提供了关键数据支撑。当前研究前沿正围绕劳动监察覆盖率与工作场所合规性的动态关联展开，尤其关注数据稀疏性对模型泛化的挑战。结合ILO近期在非洲推进的可持续发展和体面劳动目标（SDG 8），此类数据被用于构建基于机器学习的劳动监察风险评估模型，以识别高违规风险行业和区域。通过ILOSTAT系统整合多国行政记录与调查数据，该数据集打破了非洲劳动统计长期碎片化的瓶颈，为政策制定者精准分配监察资源和评估劳工权益保护提供了量化基础。其影响在于促进跨国产出可比的劳动治理研究，并为弱监管地区建立预警机制奠定了方法论雏形。