electricsheepasia/asia-ilo-ees-publ-sex-jbc-nb-public-sector-employees-by-sex-and-type-of-job-con

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的公共部门工作人员数据，具体指标为按性别和合同类型分类的公共部门雇员数量（以千计）。数据覆盖27个亚洲国家，时间跨度为2000年至2025年，共2,160个观测值。数据集以表格形式存储，包含国家代码、国家名称、数据来源、指标代码、性别分类、合同类型分类、观测年份、观测值、数据状态等列。数据通过ILOSTAT API获取，并经过标准化处理，适用于表格分类、回归和时间序列预测等任务。数据集由Electric Sheep Asia重新打包发布，采用CC-BY-4.0许可证。This dataset contains public sector workers data from the International Labour Organization (ILO) ILOSTAT database, specifically the indicator Public sector employees by sex and type of job contract (thousands). It covers 27 Asian countries, spans the years 2000 to 2025, and includes 2,160 observations. The data is stored in tabular format with columns such as country code, country name, data source, indicator code, sex classification, contract type classification, observation year, observed value, and data status. Data is retrieved via the ILOSTAT API and normalized for machine learning tasks like tabular classification, regression, and time-series forecasting. The dataset is repackaged by Electric Sheep Asia and released under the CC-BY-4.0 license.

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核心统计数据库，由Electric Sheep Asia团队通过REST API从ILOSTAT批量数据探索器直接拉取，并依据亚洲ISO3国家代码进行地理过滤后重新打包而成。ILOSTAT依据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，数据来源在`source.label`列中标注以确保可溯源性。数据集共包含2160条观测记录，覆盖27个亚洲国家，时间跨度从2000年至2025年，聚焦于公共部门员工按性别和劳动合同类型分类的就业人数单一指标。

使用方法

用户可通过HuggingFace的`datasets`库使用`load_dataset()`函数一键加载，返回Dataset对象后轻松转换为Pandas DataFrame进行数据探索。典型用法包括按国家代码过滤单国数据、按时间序列绘制观测值趋势图，或利用透视表功能生成国家×年份矩阵以进行横向比较。由于数据遵循CC-BY-4.0许可协议，使用时需同时引用原始ILO数据源及Electric Sheep Asia的重新打包版本，以确保学术合规性。

背景与挑战

背景概述

在全球劳动力市场研究中，公共部门就业数据是评估政府在经济活动中的角色、性别平等进程以及就业质量的关键指标。该数据集由国际劳工组织（ILO）于2025年通过其核心统计数据库ILOSTAT整理发布，并经Electric Sheep Asia重新打包为机器学习就绪格式。数据集聚焦于亚洲地区，涵盖27个国家从2000年至2025年的公共部门雇员数量，按性别和合同类型细分，共计2160条观测值。其核心研究问题在于填补亚洲区域在公共部门就业性别结构与时序演变方面的高质量标准化数据空白，为劳动经济学、性别研究及可持续发展目标监测提供可靠的数据基础。该数据集因其来源于权威机构ILO、覆盖时间长且地理范围广，对推动亚洲劳动统计的跨国家比较与时间序列建模具有显著影响力。

当前挑战

该数据集所解决的领域挑战在于，亚洲各国公共部门就业数据的统计口径、调查方法及性别分类标准存在显著差异，导致跨国比较与机器学习建模面临数据异构性和缺失值问题。ILO通过遵循国际劳工统计学家会议（ICLS）定义进行数据协调，但仍需处理因调查方法变更（如指标注释中的'序列断裂'）而引入的时间序列不连续性。在构建过程中，主要挑战包括：从ILOSTAT REST API中提取庞杂的微观数据并进行亚洲国家ISO代码过滤；处理同一国家同一年份来自不同调查来源的数据，并依据ILO选取的'最佳来源'进行去重；以及应对性别和合同类型等分类维度中部分年份存在的空值现象，确保数据集的完整性适用于时间序列预测与回归分析。

常用场景

经典使用场景

该数据集主要用于亚洲地区公共部门就业结构的定量分析，涵盖27个国家2000至2025年的面板数据。研究者可借助其按性别与合同类型细分的雇员规模（单位：千人）指标，构建时间序列模型或面板回归模型，以揭示公共部门劳动力市场的长期演变趋势。例如，通过观测值随年份的波动，分析不同经济体在公共就业政策调整下的响应模式，或对比各国女性公共雇员占比的差异与收敛路径。数据集的标准化架构支持与ILOSTAT其他指标的无缝融合，为跨学科研究提供了坚实的数据基础。

解决学术问题

该数据集有效回应了劳动经济学与公共管理领域若干悬而未决的学术问题。其一，它填补了亚洲发展中国家公共部门就业数据的碎片化空白，使研究者能够突破单一国家案例的局限，进行跨国比较分析。其二，通过区分性别与合同类型，数据集为探讨公共部门性别平等政策的效果提供了实证依据，例如评估女性在临时合同中的过度代表现象及其与劳动力市场制度的关联。其三，面板数据结构使学者能够控制国家固定效应，识别经济增长、财政紧缩或国际劳工标准对公共雇员规模的因果影响，从而深化对政府作为雇主角色变迁的理论理解。

实际应用

在实际政策制定与劳动力规划中，该数据集具有广泛的直接应用价值。国际组织（如ILO）和各国劳动部门可利用其追踪公共部门就业目标的达成进度，特别是可持续发展目标8（体面工作与经济增长）中关于性别平等的具体指标。发展银行与咨询机构可借助跨国数据，评估公共就业项目在经济衰退期的反周期缓冲作用。此外，数据集的年度频率与细颗粒度使其适用于构建预测模型，辅助政府预判未来公共部门的人力需求与财政负担。对于非营利组织而言，该数据集可作为监测公共部门招聘透明度和合同正规化的基准工具。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区公共部门雇员按性别与合同类型划分的就业结构，为劳动经济学与性别平等研究提供了关键数据支撑。最新研究趋势集中于利用此类高分辨率时序数据，结合机器学习模型（如时间序列预测与分类算法）揭示后疫情时代公共部门就业的性别差异演变、合同灵活化趋势及政策干预效果。同时，通过整合ILOSTAT多源数据，可构建跨国比较框架，探讨亚洲各国在正式与非正式就业、性别收入差距及社会保障覆盖等热点议题上的动态关联，从而为国际劳工组织推动的体面劳动目标（SDG 8）与性别平等（SDG 5）提供量化依据。