electricsheepafrica/africa-ilo-emp-xtru-sex-edu-nb-time-related-underemployment-by-sex-and-education

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非洲地区按性别和教育程度划分的时间相关就业不足（千人数）统计数据。它涵盖了34个非洲国家从1991年至2025年的5,196个观测值，专注于一个核心指标：EMP_XTRU_SEX_EDU_NB（按性别和教育程度划分的时间相关就业不足，以千人为单位）。数据通过ILOSTAT REST API获取，并经过过滤以仅包括非洲国家，采用ILO的统计标准进行协调。数据集提供了详细的列结构，包括国家代码、年份、指标值、性别分类、教育分类、数据来源和质量标志等信息，适用于表格分类、回归和时间序列预测等任务。This dataset contains time-related underemployment statistics by sex and education (in thousands) for Africa, sourced from the International Labour Organization (ILO) ILOSTAT database. It includes 5,196 observations across 34 African countries spanning from 1991 to 2025, focusing on one core indicator: EMP_XTRU_SEX_EDU_NB (Time-related underemployment by sex and education, in thousands). Data is pulled directly from the ILOSTAT REST API, filtered to African ISO3 country codes, and harmonized using ILO statistical standards. The dataset provides a detailed schema with columns for country codes, years, indicator values, sex disaggregation, education classification, data sources, and quality flags, suitable for tasks like tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

该数据集根植于国际劳工组织劳动力统计的长期积累，其构建遵循元数据驱动的标准化路径。原始数据源自ILOSTAT，聚焦非洲地区按性别与教育程度分列的时间相关不充分就业指标，以千人为计量单位。Electric Sheep Africa对其进行系统化整编，将5,196条观测记录封装为Parquet格式，覆盖34个非洲国家自1991年至2025年的时间序列。构建过程强调来源可溯、字段统一与发现元数据的规范化，为非洲经济金融领域研究提供可复用、可比较的结构化证据基础。

使用方法

研究者可借助Hugging Face的datasets库直接加载该数据集，通过load_dataset函数获取数据对象，并检视其分片结构与特征模式。当需要进一步统计分析时，可将表格分片转换为Pandas数据框，以便开展描述性统计、趋势比较与分层回归。使用过程中应优先查阅数据文件中的变量定义、单位与编码方式，明确地理标识与国家字段的处理规则。建议在建模前检查缺失机制，避免武断插补，并利用国家、年份与指标字段与其他非洲数据集进行链接，以拓展分析深度。

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体系的构建与完善，其ILOSTAT数据库作为劳动统计领域的权威来源，为政策制定与学术研究提供了关键数据支撑。在此背景下，Electric Sheep Africa于2026年将ILOSTAT中非洲地区按性别与教育程度分类的时间相关就业不足数据重新整合发布，覆盖34个非洲国家、1991至2025年的5196条观测记录。该数据集回应了非洲劳动市场研究中长期存在的细分数据匮乏问题，为性别与教育维度下的就业质量分析提供了标准化、可复现的数据基础，对促进非洲包容性增长与体面劳动议程具有重要的实证价值。

当前挑战

该数据集所应对的核心领域问题在于时间相关就业不足的精细化测度与跨时空比较，其旨在弥补非洲地区按性别和教育程度分列的就业不足数据在可获取性与标准化方面的显著缺口。构建过程中，源自ILOSTAT的元数据存在国家标识与上游发布机构等字段的缺失，不同国家统计口径与报告周期的不一致亦增加了跨年比较的难度。此外，教育分类体系在各国的差异化映射、缺失值的合理保留与处理，以及从海量原始统计数据中提取并统一结构化信息的工程复杂度，均对数据集的质量控制与下游分析的可信度构成了实质性挑战。

常用场景

经典使用场景

在劳动经济学与非洲发展研究的交汇处，时间相关就业不足作为衡量劳动力未充分使用的关键指标，长期受到学界与政策制定者的密切关注。该数据集凭借其覆盖34个非洲国家、跨越1991至2025年的5196条观测记录，成为刻画非洲大陆时间相关就业不足演变态势的核心经验素材。研究者通常将其用于按性别与受教育程度分层剖析就业不足的结构性差异，通过面板数据建模、趋势分解与跨国比较，揭示不同人口群体在劳动力市场中所处的不利地位。其标准化的表格结构与明确的指标口径，使之成为非洲劳动统计领域进行描述性推断与计量分析的经典数据来源。

解决学术问题

该数据集有效回应了非洲劳动市场研究中长期存在的证据碎片化与跨国可比性不足问题。既往研究多依赖零散国别调查或口径不一的统计汇报，难以在统一框架下考察性别与教育维度对时间相关就业不足的交互影响。本数据集依托国际劳工组织统计数据库的权威口径，将分散的观测整合为结构化面板，使研究者能够检验教育禀赋是否真正缓解了就业不足风险，以及性别差异在不同国家与时期是否呈现收敛或分化。其意义在于为非洲劳动力市场不平等研究提供了基线证据，并为跨国比较与长时段趋势分析奠定了可复现的数据基础。

实际应用

在实际应用层面，该数据集为国际组织、非洲各国劳动部门及发展机构提供了量化决策依据。政策分析师可据此识别就业不足高发的性别与教育群体，优化职业培训与就业促进项目的资源配置；发展经济学家可将其与贫困、非正规就业等数据集联结，评估劳动力未充分使用对生计的传导效应。此外，该数据集以Parquet格式发布并附有加载指南，便于数据科学家快速构建仪表盘与监测模型，支持非洲区域就业政策的循证制定与效果追踪。

数据集最近研究

最新研究方向

在非洲劳动力市场结构性转型与人力资本配置效率议题持续升温的背景下，该数据集所承载的按性别与教育程度分列的时间相关不充分就业指标，正日益成为探究教育-就业错配与性别分层的重要实证基础。近期研究前沿聚焦于将此类面板数据与技能需求结构变迁、非正规经济规模以及青年失业持续期等议题相勾连，考察不同教育层级劳动力在工时不足维度上的异质性暴露，进而揭示非洲经济体在创造体面就业方面的深层约束。全球就业缺口监测与可持续发展目标中充分生产性就业议程的推进，使得该指标体系的政策意义愈发凸显，为跨国比较与劳动力市场韧性评估提供了可复用的量化依据。