electricsheepafrica/africa-ilo-emp-stem-sex-cct-nb-employment-in-stem-occupations-by-sex-and-citizens

该数据集包含511个观测值，涉及26个非洲国家在2010年至2025年期间的STEM职业就业人数按性别和公民身份划分（千人）数据。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为非洲国家。数据集为表格格式，包含国家代码、年份、性别分类（总计、男性、女性）、观测值等列，用于分析非洲地区STEM职业的就业趋势。数据经过ILO harmonisation处理，并标注了来源和质量状态。This dataset contains 511 observations of Employment in STEM occupations by sex and citizenship (thousands) data across 26 Africa countries, spanning 2010 to 2025. It is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via API and filtered to African countries. The dataset is in tabular format, including columns such as country code, year, sex disaggregation (total, male, female), observed values, and is designed for analyzing employment trends in STEM occupations in Africa. Data has been harmonized by ILO and includes source and quality flags.

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统计数据库，通过其REST API直接获取指标代码为EMP_STEM_SEX_CCT_NB的原始数据，并依据非洲ISO3国家代码进行地理过滤。Electric Sheep Africa团队对数据进行重新封装，将原始调查微观数据依据国际劳工统计学家会议（ICLS）定义进行协调统一，同时在source.label列中标注数据来源以确保可追溯性。最终构建出包含511条观测记录、覆盖26个非洲国家、时间跨度从2010年至2025年的结构化数据集。

特点

数据集聚焦于非洲地区STEM（科学、技术、工程和数学）职业的就业情况，以千人计为计量单位。其核心特色在于提供按性别（男性、女性、总计）和公民身份分类的精细化解构维度，包含26个非洲国家的面板数据，时间序列长达16年。每个观测值均附有观测状态标志（如临时或不可靠）以及数据来源注释，便于用户评估数据质量。数据集采用Parquet格式存储，旨在为机器学习和统计分析提供高效、标准化的数据接口。

使用方法

用户可通过HuggingFace Datasets库以load_dataset()函数一键加载数据，并将训练集转换为Pandas DataFrame后进行分析。典型应用场景包括：按国家编码过滤特定国家的时间序列数据，针对单一指标按时间排序后绘制趋势图，或通过透视表构建国家×年份的矩阵以进行跨区域比较。数据集支持表格分类、回归以及时间序列预测等任务，为研究非洲劳动力市场中STEM人才的性别差异和时空演变提供了便捷的数据工具。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门于2025年整理发布，并由Electric Sheep Africa在HuggingFace平台上进行重封装。数据集聚焦于非洲26个国家2010至2025年间STEM（科学、技术、工程和数学）职业的就业情况，按性别和公民身份细分，包含511条观测记录。作为ILOSTAT数据库的子集，该数据依托ILO的全球劳动统计框架，整合了各国劳动力调查、家庭收支调查及行政记录等官方数据源，为分析非洲地区STEM劳动力结构、性别平等及人力资本发展提供了标准化、可复用的量化基础。其核心研究问题在于揭示非洲国家在技能密集型行业中的就业分布差异，以及性别和公民身份对技术劳动力市场的塑造作用。该数据集的发布填补了非洲区域高分辨率STEM就业数据的空白，对联合国可持续发展目标（SDG）中的体面工作与经济增长、性别平等目标具有直接支撑价值。

当前挑战

该数据集在构建与应用中面临多重挑战。在领域问题层面，非洲大陆长期缺乏系统、可比且高频的STEM就业统计数据，现有数据多分散于各国统计机构且定义不一，该数据集通过ILO的标准化方法（基于ICLS定义）实现了跨国的初步一致性，但样本数量有限（n<1K）、覆盖国家仅26个，难以代表广袤非洲大陆的全貌，尤其忽略了冲突地区和非正规经济中的STEM从业者。在构建过程中，挑战主要来自数据质量的异质性：不同国家的调查年份、抽样方法及问卷设计差异显著，导致部分观测值被标记为“不可靠”或存在“序列断裂”；同时，数据源追溯困难，部分调查仅覆盖特定人群（如城市籍公民），使得按公民身份和性别的细分维度的完整性受限。此外，该数据集仅提供年度频率，无法捕捉STEM就业的季节性波动或政策干预后的短期变化，限制了其在预测建模中的粒度。

常用场景

经典使用场景

该数据集收录了2010至2025年间26个非洲国家按性别与公民身份划分的STEM就业人数（单位：千），共计511条观测记录，是研究非洲大陆科学、技术、工程与数学领域劳动力分布格局的基础性数据资源。其核心应用场景包括：利用时间序列模型刻画各国STEM就业的演变轨迹，通过面板数据分析性别与公民身份差异对就业结构的影响，以及构建跨区域比较框架揭示非洲内部的发展不平衡问题。数据以结构化表格形式呈现，涵盖国家代码、年份、性别分类、公民身份类别及就业数值等关键字段，为研究者提供了可直接用于回归分析与统计推断的标准化数据集合。

衍生相关工作

围绕该数据集已衍生出一系列经典工作：在方法论层面，研究者基于其纵向维度开发了适用于稀疏面板数据的缺失值插补算法，并引入了混合效应模型以分离国家异质性与时间趋势的影响；在实证方向，相关论文聚焦于性别与公民身份交叉性对STEM就业可获得性的调节机制，首次系统揭示了跨国企业用工偏好与本土劳动力排斥效应的共现规律。此外，该数据集被纳入多个国际对比研究框架，与ILO全球就业数据库及世界银行性别统计指标形成耦合，推动了女性参与科学技术职业的跨国宏观比较模型构建。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区STEM（科学、技术、工程、数学）职业就业人口按性别与公民身份划分的细致统计，为研究非洲大陆在第四次工业革命背景下的人才结构转型与性别平等议题提供了可量化的基准。前沿研究方向可归纳为两点：其一，基于2010至2025年间26个非洲国家的年度时序数据，可构建预测模型，追踪非洲各国STEM劳动力市场的动态演化，尤其关注公民与非公民群体在高端产业中的就业差异，从而支撑非洲本土化工业政策与人才吸引战略的评估；其二，结合ILOSTAT标准化分类体系与性别人口学拆解，该数据能够助力精准刻画非洲女性在STEM领域就业的长期趋势及其与SDG（可持续发展目标）指标中“体面劳动与经济增长”的关联性，为联合国在非洲推动的包容性创新与数字化转型提供实证依据。作为经Electric Sheep Africa重打包的机器学习就绪型优质数据集，它在劳动力经济学、发展研究与计算社会科学交叉领域具有启示性价值。