electricsheepafrica/africa-ilo-emp-xtru-sex-age-nb-time-related-underemployment-by-sex-and-age-thousa

该数据集包含关于时间相关就业不足的7,387个观测值，覆盖41个非洲国家，时间跨度为1991年至2025年，涵盖1个独特指标。具体来说，它提供了按性别和年龄划分的时间相关就业不足数据（以千计），源自国际劳工组织（ILO）的ILOSTAT数据库。数据集包括结构化表格数据，如国家代码、年份、观测值、数据来源和质量标志，适用于表格分类、回归和时间序列预测等任务。数据经过ILO的标准化处理，并重新打包为机器学习就绪格式，旨在支持非洲劳动力市场的研究和分析。This dataset contains 7,387 observations of Time-related underemployment data across 41 Africa countries, spanning 1991–2025, covering 1 distinct indicators. It provides data on time-related underemployment by sex and age (in thousands), sourced from the International Labour Organizations (ILO) ILOSTAT database. The dataset includes structured tabular data such as country codes, years, observed values, data sources, and quality flags, suitable for tasks like tabular classification, regression, and time-series forecasting. The data is harmonized by ILO and repackaged into a machine-learning-ready format to support research and analysis of labor markets in Africa.

搜集汇总

数据集介绍

构建方式

该数据集立足国际劳工组织（ILO）劳动力市场统计框架，经由Electric Sheep Africa对ILOSTAT公开统计数据进行系统性采集与元数据标准化重构而成。其原始数据源自ILO中央统计数据库，覆盖非洲41个国家自1991年至2025年的时间相关不充分就业指标，共计7387条观测记录。编码过程采用标准化目录体系，将原始统计单元以Parquet列式格式封装，并配套撰写溯源说明、许可声明及面向分析者的上下文注解，从而在保留原始统计口径的同时提升数据的可发现性与可复用性。

特点

数据集以时间相关不充分就业为核心测度维度，按性别与年龄组进行交叉分层，单位为千人，兼顾截面比较与时序追踪的双重分析需求。其体量处于一千至一万行区间，模态涵盖表格型数据与文本型元数据，语言为英语，遵循CC BY 4.0开放许可。数据集附有标准化的标签体系与来源出处记录，并明确标注了元数据缺失字段，为非洲区域劳动经济学研究提供了具备可追溯性的结构化证据基础。

使用方法

研究者可借助Hugging Face datasets库以load_dataset函数直接加载该数据集，并通过内置的数据集查看器审阅仓库文件与模式结构。在进入建模环节之前，宜先行检查变量定义、单位与缺失值分布，对地理信息仅由标题或来源元数据暗示的情形应在分析中明确记录相应假设。当数据结构为表格型时，可将其转换为Pandas数据框以开展地理、时间及子群维度的变量画像，并可依据显式的国家、年份与指标字段与其他Electric Sheep Africa数据集进行联结，构建可复现的分析流程。

背景与挑战

背景概述

国际劳工组织统计数据库（ILOSTAT）长期致力于为全球劳动力市场提供权威、可比的统计基准，时间相关不充分就业指标则是衡量就业质量与劳动利用效率的关键维度。Electric Sheep Africa于2026年将该项涵盖41个非洲国家、1991至2025年共7387条观测值的ILOSTAT数据加以结构化整理，并以CC BY 4.0许可在Hugging Face平台发布，旨在改善非洲劳动统计数据的可发现性与可复用性。该数据集按性别与年龄分组呈现不充分就业规模，为探究非洲劳动力市场中的性别差异、青年就业困境及非正规经济特征提供了跨国、长时序的量化基础，对劳动经济学与区域发展研究具有显著的数据支撑意义。

当前挑战

该数据集所回应的领域难题在于，非洲各国劳动统计体系发展不均衡，非正规就业广泛存在，时间相关不充分就业的界定与测量在不同国家间往往缺乏统一口径，致使跨国比较面临概念与操作层面的双重障碍。在构建过程中，元数据清单显示国家字段与上游发布机构信息存在缺失，ISO3覆盖范围未予声明，地理归属仅能依标题或来源语境推断；此外，部分年份与国别的观测值稀疏，缺失机制复杂，直接删除或插补均可能引入偏误。如何在保持时序连续性与跨国可比性的前提下处理缺失、核实变量单位并规避标签误读，构成该数据集后续分析与建模的核心挑战。

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叉领域，该数据集最为经典的使用场景在于刻画非洲大陆时间相关不充分就业的性别与年龄分异图景。研究者依托其覆盖41个非洲国家、逾七千余条观测的时序面板结构，按性别与年龄组别拆解不充分就业人数的演变轨迹，进而检视青年与女性群体在劳动力市场中承受的就业不足压力。此类分析常以年份为横轴、以年龄与性别为分层维度，绘制跨国比较的分布形态与趋势曲线，为理解非洲劳动力市场结构性脆弱提供量化基础。

实际应用

在政策实务层面，该数据集为非洲各国劳动部门、区域经济共同体及国际发展机构评估就业政策成效提供了直观依据。借助按性别与年龄分列的不充分就业人数，决策者可识别劳动力市场中就业质量最为堪忧的群体，进而设计针对青年女性技能培训、工时保障与就业创造项目的干预方案。发展融资机构亦可将其作为项目基线数据，追踪就业质量改善的进展，并与其他社会经济指标联合分析，支撑国家就业战略与减贫规划的制定。

衍生相关工作

围绕该数据集衍生的经典工作，主要体现为Electric Sheep Africa对其进行的元数据标准化与机器学习就绪化重封装，使原始ILOSTAT统计得以在Hugging Face生态中直接加载与复用。相关研究进一步将其与非洲其他劳动力市场数据集，如失业率、部门就业结构及非正规经济指标进行跨库连接，构建多维度劳动力市场脆弱性指数。这些工作推动了非洲开放数据基础设施建设，并为后续基于表格数据的分类与回归建模、跨国面板因果推断研究奠定了可引用的数据节点。