electricsheepafrica/africa-ilo-eip-neet-sex-mts-rt-share-of-youth-not-in-employment-education-or-trai

该数据集包含6,296个观测值，涉及非洲49个国家的“其他劳动力利用不足指标”数据，时间跨度为1991年至2025年，覆盖1个独特指标。具体指标为“按性别和婚姻状况划分的未就业、未受教育或未接受培训（NEET）青年比例（%）”。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取，并经过处理以适用于机器学习任务，如表格分类、回归和时间序列预测。数据集提供了国家代码、性别、婚姻状况、年份、观测值等字段，支持对非洲青年劳动力市场的分析。This dataset contains 6,296 observations of Other measures of labour underutilization data across 49 Africa countries, spanning 1991–2025, covering 1 distinct indicator. The indicator is Share of youth not in employment, education or training (NEET) by sex and marital status (%). Data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via REST API, and processed for machine learning tasks such as tabular classification, regression, and time-series forecasting. It includes fields like country code, sex, marital status, year, and observed values, facilitating analysis of youth labor markets in Africa.

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，专注于非洲地区青年未参与就业、教育或培训（NEET）的比例，按性别和婚姻状况进行细致划分。数据通过ILOSTAT REST API直接获取，原始指标代码为EIP_NEET_SEX_MTS_RT，随后依据非洲ISO3国家代码进行地域筛选。ILOSTAT利用国际劳工统计学家会议（ICLS）定义的标准对原始调查微观数据进行协调处理，并在“source.label”列中标注数据来源，确保每条观测结果具备可追溯性。该数据集由Electric Sheep Africa重新整合包装，以标准化格式呈现，便于机器学习研究。

特点

该数据集涵盖了1991年至2025年间49个非洲国家的6,296条观测记录，时间跨度超过30年，地域覆盖广泛。核心指标聚焦于青年NEET比例，并基于性别（男性、女性、总计）和婚姻状况进行多维度分解，提供了丰富的分类视角。数据以年频率发布，包含国家代码、来源、指标名称、观测值及其状态等结构化字段，尤其通过“obs_status”标签标记数据的可靠性（如“不可靠”），并附有序列中断或方法论修订的备注说明，便于数据质量评估。此外，Electric Sheep Africa的统一数据层策略确保了数据集与HuggingFace生态无缝对接。

使用方法

该数据集可通过HuggingFace的datasets库直接加载，调用load_dataset函数即可获取包含完整字段的DataFrame。用户能够便捷地按国家筛选数据（如仅保留肯尼亚的观测），或针对特定指标（如EIP_NEET_SEX_MTS_RT）进行时间序列分析与可视化。数据格式支持透视表操作，可轻松构建以年份为行、国家为列的矩阵，便于对比分析。由于数据以标准表格结构呈现，研究人员可直接应用于分类、回归或时间序列预测等机器学习任务，无需繁重的预处理工作，极大提升了研究效率。

背景与挑战

背景概述

在全球劳动力市场分析中，青年就业与教育状况是衡量社会可持续发展的重要指标，尤其在非洲大陆，青年群体面临的结构性挑战尤为突出。在此背景下，国际劳工组织（ILO）统计部依托其核心数据库ILOSTAT，系统整合了来自49个非洲国家、横跨1991年至2025年的劳动力调查与行政记录数据，构建了africa-ilo-eip-neet-sex-mts-rt-share-of-youth-not-in-employment-education-or-trai数据集。该数据集由Electric Sheep Africa于2025年重新包装并发布在HuggingFace平台，核心聚焦于‘未就业、未受教育或未接受培训的青年（NEET）比例’，并按性别与婚姻状况进行精细分层。这一资源的问世，为深入研究非洲青年劳动力市场的结构性矛盾、追踪可持续发展目标（SDGs）中的体面工作进程，以及弥合区域间数据鸿沟提供了至关重要的标准化数据基础，对国际发展经济学与劳动经济学领域产生了深远影响。

当前挑战

该数据集所解决的领域问题在于，非洲地区长期面临青年劳动力市场数据碎片化、跨国可比性差以及时间序列不连贯的困境，传统研究往往难以精准刻画NEET群体在性别与婚姻状况维度下的异质性分布。原始数据自身的多元性与复杂性构成了主要挑战：数据源自不同国家调查体系，其调查方法论、统计口径及时间频率（多为年度数据）存在显著差异，且部分观测值带有‘不可靠’或‘方法修订后产生序列断裂’等质量标记，增加了数据清洗与一致性处理的难度。此外，构建过程中需从ILOSTAT REST API动态获取多源原始记录，并通过国际劳工统计学家会议（ICLS）定义进行统一归约与筛选，同时对非洲国家ISO3编码进行地理过滤，这一系列流程对数据溯源、版本管理及元数据标注提出了严苛要求，以确保最终发布的数据集具备学术研究的可再现性与可扩展性。

常用场景

经典使用场景

在劳动经济学与发展研究的广阔疆域中，非洲青年群体因结构性转型迟滞而长期面临就业、教育与培训的多重脱节困境。该数据集的核心用途在于量化这一‘尼特族’（NEET）现象在非洲大陆的时空分布与群体异质性。研究者可依据性别、婚姻状况等细分维度，构建长达三十余年、覆盖近五十国的面板数据，从而追踪非洲青年劳动参与形态的演变轨迹，并识别出那些因社会规范或经济周期而陷入边缘化的脆弱亚群。

实际应用

在实际应用层面，该数据集为撒哈拉以南非洲各国的青年就业促进方案提供了可量化的决策锚点。国际发展机构与非政府组织可借助该数据，精准锁定尼特率长期高企的国家或地区，并依据性别与婚姻状况的差异，设计差异化的职业培训、创业扶持及助学资助项目。例如，针对已婚女性尼特率异常攀升的案例，可引入兼顾育儿支持的灵活就业机制。该数据亦服务于跨国比较研究，助力非洲联盟在《2063年议程》框架下追踪青年发展目标的实际达成绩效。

衍生相关工作

该数据集作为ILOSTAT统计体系在非洲区域的精炼子集，已衍生出若干具有示范意义的研究路径。一方面，基于其历史观测值，学者们发展了面向非洲国家的NEET率预测模型，如结合经济周期与教育普及率的贝叶斯结构时间序列模型，用于预判青年技能供需失衡的敏感节点。另一方面，一些交叉性研究将其与非洲人口健康调查（DHS）数据联配，深入探讨早婚早育、家庭劳动分工与女性尼特状态之间的内生性关系。此外，Electric Sheep Africa团队对原始API数据的规范化封装，也为区域劳动统计的可复现分析与机器学习友好型数据管道树立了典范。