electricsheepasia/asia-ilo-cld-xgpb-sex-age-geo-rt-share-of-children-in-child-labour-general-producti

该数据集包含亚洲地区童工比例的数据，具体指标为按性别、年龄和城乡地区划分的童工比例——通用生产边界（%）。数据源自国际劳工组织（ILO）的ILOSTAT数据库，覆盖27个亚洲国家，时间跨度为1996年至2025年，共1,574个观测值。数据集提供了按国家、年份、性别、年龄和城乡地区等维度的细分数据，用于分析和研究亚洲童工状况。This dataset contains data on the share of children in child labour in Asia, specifically the indicator Share of children in child labour -- General Production Boundary by sex, age and rural / urban areas (%). Sourced from the ILOSTAT database of the International Labour Organization (ILO), it covers 27 Asian countries from 1996 to 2025, with 1,574 observations. The dataset provides disaggregated data by country, year, sex, age, and rural/urban areas, facilitating analysis and research on child labour 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，聚焦于亚洲地区童工劳动现象的量化分析。数据通过调用ILOSTAT REST API接口直接获取，原始指标代码为CLD_XGPB_SEX_AGE_GEO_RT，并依据ISO 3166-1 alpha-3标准筛选出27个亚洲国家的观测值。ILO统计部门利用国际劳工统计学家会议（ICLS）定义对各国劳动力调查、家庭收入调查及行政记录中的微观数据进行标准化处理，确保跨国家、跨时期的指标可比较性。数据集以Parquet格式封装，由Electric Sheep Asia团队重新整理并发布至HuggingFace平台，便于机器学习工作流的直接调用。

特点

该数据集包含1,574条观测记录，时间跨度覆盖1996年至2025年，空间范围涵盖27个亚洲国家，提供了唯一的指标——按性别、年龄及城乡划分的儿童在一般生产边界内的童工占比（百分比）。数据以年度频率呈现，并具备多层次分解维度，包括性别（总、男、女）、年龄分组及地理覆盖类型。每个观测值均附带来源标签、观测状态标识（如临时值或不可靠值）以及方法修订等备注信息，增强了数据溯源能力。数据集采用CC-BY-4.0许可协议，支持学术引用与商业再利用。

使用方法

使用者可通过HuggingFace的datasets库以一行代码加载数据集，并直接转换为Pandas DataFrame进行探索性分析。典型操作包括按国家代码过滤特定国家的观测值、依据时间字段对单一指标进行时序可视化，以及利用透视表功能构建国家×年份的数值矩阵。数据集模式中预定义了ref_area、time、obs_value等标准化列名，支持便捷的切片与聚合操作。推荐结合ILOSTAT官方文档中关于指标定义与断点说明的注解进行严谨分析，同时引用原始ILO数据来源及Electric Sheep Asia的二次封装版本以符合学术规范。

背景与挑战

背景概述

童工问题作为全球劳动力市场中的痼疾，长期受到国际劳工组织（ILO）的高度关注。2018年，ILO首次发布全球童工估计数据，揭示了亚洲地区童工现象的严峻性与复杂性。在此背景下，ILO统计司（ILOSTAT）通过整合各国劳动力调查与家庭收入调查等微观数据，构建了系统性的童工统计指标体系。由Electric Sheep Asia团队于2025年重新打包发布的该数据集，聚焦亚洲27个国家1996至2025年间按性别、年龄及城乡分层的童工占比指标，共收录1574条观测记录。该数据集延续了ILOSTAT作为全球劳动统计权威来源的严谨校准方法，为区域童工问题的量化分析与政策干预提供了关键数据基础，在可持续发展目标（SDG）监测和比较劳动法研究中具有重要参考价值。

当前挑战

该数据集所解决的领域核心挑战在于量化刻画亚洲地区童工现象的分布格局及其演变趋势。在数据构建过程中，首要挑战源于各国统计能力差异巨大——部分国家缺乏连贯的年度调查机制，导致数据在时间维度和国家间存在显著稀疏性与非平衡性。其次，不同来源数据（如劳动力调查与多指标类集调查）在问卷设计、受访者年龄界定和童工定义标准上存在差异，ILOSTAT虽依据国际劳动统计学家会议（ICLS）标准进行协调，但原始收集方法的异质性仍造成系统性偏差，部分记录被标记为“不可靠”。此外，多源数据叠合后产生同一国家同一年份来自不同调查的观测值，需依赖ILO选取“最佳来源”的决策流程，这给下游用户的数据复现与模型推理带来了隐含的不确定性挑战。

常用场景

经典使用场景

该数据集聚焦于亚洲地区童工现象的量化刻画，其核心使用场景在于构建时间序列与面板数据模型，以追踪1996至2025年间27个亚洲国家中儿童从事经济活动比例的动态变迁。研究者可借助性别、年龄段及城乡地理位置的精细分层维度，对童工发生率展开多维度的统计分析与可视化呈现。数据集中统一的指标编码体系与国际劳工组织（ILO）的标准化定义使得跨国产出间的比较成为可能，为探究社会经济转型、政策干预与教育普及对童工现象的影响提供了坚实的实证基础。

实际应用

在实际应用层面，该数据集堪称亚洲地区劳动政策制定与国际发展援助机构的决策支持利器。各国劳动部门与社会统计机构可依据其中的分层数据，精准识别童工高发区域、脆弱年龄段及性别差异，从而制定更具靶向性的社会保护项目与教育干预措施。非政府组织（NGO）与国际组织如联合国儿童基金会（UNICEF）在资源配置与项目效果评价中，能够借助此数据集筛选出重点干预国家与领域。同时，数据集的标准化格式与便捷的编程接口使得它能够无缝融入监测评估系统，助力实时追踪减贫与教育普及政策的实际成效。

衍生相关工作

基于该数据集已衍生出多项具有显著影响力的学术与政策研究工作。其一，研究者利用其面板数据结构构建了童工与家庭收入冲击之间的因果识别模型，揭示了经济脆弱性驱动儿童过早进入劳动力市场的内在机制。其二，通过对接教育统计数据库，形成了复合数据产品，系统论证了童工现象与入学率及学业完成度之间的负向关联。此外，ILO自身亦依托此类数据定期发布《全球童工趋势报告》，作为国际劳工标准监督的权威依据。该数据集的公开可用性还催生了多项区域比较研究，聚焦于农业与非正规经济部门中童工现象的分布差异，为制定行业针对性政策奠定了基础。