electricsheepafrica/africa-ilo-sdg-0852-sex-dsb-rt-sdg-indicator-8-5-2-unemployment-rate-by-sex-and-d

该数据集包含关于非洲42个国家从2005年至2025年的失业率数据，重点关注联合国可持续发展目标（SDG）指标8.5.2：按性别和残疾状况划分的失业率（百分比）。数据集共有1,012个观测值，每个观测值代表特定国家、年份、性别分类（总计、男性、女性）和残疾状况下的失业率百分比。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，以确保一致性和可追溯性。数据集的结构包括国家代码、国家名称、数据来源代码和标签、指标代码和标签、性别分类、时间（年份）、观测值（失业率）、观测状态等列。该数据集适用于表格分类、回归和时间序列预测等任务，可用于分析非洲地区的就业趋势、性别和残疾相关的失业差异，以及支持政策研究和机器学习应用。This dataset contains unemployment rate data for 42 African countries from 2005 to 2025, focusing on the United Nations Sustainable Development Goal (SDG) indicator 8.5.2: Unemployment rate by sex and disability status (%). It includes 1,012 observations, each representing the unemployment rate percentage for a specific country, year, sex disaggregation (total, male, female), and disability status. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered for African countries, with harmonization based on International Conference of Labour Statisticians (ICLS) definitions. The dataset schema includes columns such as country code, country name, source code and label, indicator code and label, sex classification, time (year), observed value (unemployment rate), and observation status. It is suitable for tabular classification, regression, and time-series forecasting tasks, enabling analysis of employment trends, gender and disability-related unemployment disparities in Africa, and supporting policy research and machine learning applications.

搜集汇总

数据集介绍

构建方式

该数据集立足于联合国可持续发展目标（SDG）指标8.5.2的监测框架，以国际劳工组织统计数据库（ILOSTAT）及联合国SDG数据平台为上游来源，由Electric Sheep Africa对原始记录进行标准化加工与重新封装。构建过程遵循元数据驱动的编目逻辑，将2005年至2025年间42个非洲国家的失业率观测值整理为统一的表格结构，以parquet格式存储，并配套登记来源出处、许可条款与分析指引，形成可复现的公开数据资产。

特点

数据集涵盖1,012条观测记录，聚焦非洲区域按性别与残疾状况分列的失业率（百分比），时间跨度自2005年延伸至2025年，具备较长的时序纵深与跨国可比性。其模态兼有表格与文本，采用单语英语标注，许可证为CC BY 4.0。数据以缺失值保留、地理字段显式化为原则，附带标准化元数据与质量说明，便于跨数据集连接与跨国比较分析。

使用方法

研究者可借助Hugging Face datasets库直接加载该数据集，通过load_dataset函数获取数据并检视特征结构与样本内容；对于表格型数据，可转换为Pandas数据框以开展统计建模与可视化。分析前宜检查变量定义、单位与缺失模式，结合显式国家、年份及指标字段进行地理与时间维度的分组剖析，并在引用时同时标注联合国SDG数据来源与Electric Sheep Africa的工程化托管仓库。

背景与挑战

背景概述

在国际社会推进联合国可持续发展目标的宏大背景下，监测劳动力市场中的弱势群体状况成为评估包容性增长的关键环节。非洲地区长期面临就业结构失衡与数据碎片化的双重困境，尤其是残障人士的就业参与率与失业风险长期缺乏系统性的性别分类统计。该数据集由Electric Sheep Africa团队于2026年整理发布，数据源自国际劳工组织ILOSTAT数据库与联合国可持续发展目标监测框架，覆盖42个非洲国家2005至2025年的1012条观测记录。其核心研究问题在于揭示性别与残障状态交叉维度下的失业率差异，为非洲劳动力市场政策制定提供可复现的量化证据。该数据集的发布填补了非洲区域残障就业统计的空白，对推动SDG第8项体面劳动目标的区域化监测具有基础性支撑意义。

当前挑战

该数据集所应对的领域问题具有显著的方法论复杂性，失业率本身即为劳动力市场统计中最易受定义差异与测量误差影响的指标之一，而当分析维度进一步交叉性别与残障状态时，样本稀疏性与统计功效不足的问题便愈发突出。构建过程中面临的核心挑战包括：非洲各国对残障的界定标准与数据采集方式存在显著异质性，导致跨国比较的可比性受限；ILOSTAT原始数据中部分年份与国家的缺失值比例较高，直接建模可能引入选择性偏误；残障状态与性别交叉分类后，部分单元格观测频次过低，难以支撑稳健的统计推断。此外，元数据中country字段的标准化程度不足，地理标识依赖标题或来源隐含信息，要求下游分析明确记录假设。

常用场景

经典使用场景

在劳动经济学与可持续发展目标的交叉研究中，针对非洲地区性别与残疾状况维度的失业率分析构成该数据集最为经典的使用场景。研究者依托国际劳工组织统计数据库所采集的2005年至2025年间42个非洲国家的1012条观测记录，得以在性别与残疾身份的双重分层框架下系统考察劳动力市场的边缘化格局。此类分析通常借助表格分类与回归任务，揭示不同社会群体在就业获取上的结构性差异，并为跨国比较研究提供标准化的可比数据基础。

衍生相关工作

围绕该数据集，已有研究者开展了一系列延伸性工作，包括与Electric Sheep Africa目录中其他非洲劳动统计数据集进行跨国、跨指标的整合分析，以及构建面向可持续发展目标监测的自动化数据管道。部分工作聚焦于将失业率数据与教育、健康等社会经济变量进行联合建模，探究多重弱势身份的累积效应。这些衍生研究不仅拓展了国际劳工组织统计数据库在机器学习工作流中的应用边界，也促进了非洲公共数据生态向可复现、可比较方向的发展。

数据集最近研究

最新研究方向

在可持续发展目标（SDGs）监测与非洲劳动力市场评估的交汇地带，该数据集正推动残疾身份交叉视角下的失业率异质性研究。依托国际劳工组织ILOSTAT与联合国SDG数据的权威脉络，近期工作聚焦于利用性别与残疾状况的双重分组变量，刻画非洲42国2005至2025年间失业结构的动态演化。这一方向呼应了全球对“不让任何人掉队”原则的深化落实，尤其为残疾群体在非洲非正规经济中的就业脆弱性提供了可复现的量化证据。研究者借此数据集审视经济周期、结构性转型与包容性政策之间的互动机制，其成果对优化社会保护框架、弥合数据鸿沟具有关键的参考价值。