electricsheepafrica/africa-ilo-emp-care-sex-car-nb-employment-by-sex-and-care-worker-type-thousands

该数据集包含非洲37个国家的2,943个观测值，时间跨度为2000年至2025年，主题为付费护理工作者。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，核心指标为按性别和护理工作者类型分类的就业人数（千计）（EMP_CARE_SEX_CAR_NB）。数据集提供按性别（总计、男性、女性）和护理工作者类型分类的就业数据，用于表格分类、回归和时间序列预测任务。数据经过ILOSTAT API获取，并过滤为非洲国家代码，采用国际劳工统计学家会议（ICLS）定义进行标准化。This dataset contains 2,943 observations across 37 African countries from 2000 to 2025, focusing on paid care workers. Sourced from the International Labour Organization (ILO)s ILOSTAT database, the core indicator is Employment by sex and care worker type (thousands) (EMP_CARE_SEX_CAR_NB). It provides employment data disaggregated by sex (total, male, female) and care worker type, suitable for tabular classification, regression, and time-series forecasting tasks. Data is pulled from the ILOSTAT API, filtered to African ISO3 country codes, and harmonized using International Conference of Labour Statisticians (ICLS) definitions.

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织（ILO）的ILOSTAT统计数据库，其核心指标“按性别和护理工作者类型划分的就业人数（千人）”通过REST API接口直接获取。原始数据基于ILO对各国家劳动力调查、家庭收入调查及行政记录的统计整合，并依据国际劳工统计学家会议（ICLS）定义进行标准化处理。随后，数据经由Electric Sheep Africa管线筛选至37个非洲国家的ISO3代码范围，最终封装为包含2,943条观测值、时间跨度覆盖2000年至2025年的表格型数据集，以Parquet格式发布，确保机器学习就绪。

特点

该数据集聚焦非洲大陆的受薪护理工作者就业状况，囊括37个非洲国家在四分之一世纪内的年度观察值，其中南非、埃及和毛里求斯等国的记录最为丰富。除核心指标外，数据还提供性别（男性、女性、总计）及护理工作者类型的细分维度，并附带详尽的数据源标签与观测状态注释，便于追溯数据质量。尤为值得关注的是，数据集明确标注了序列中断、方法修订等元信息，为时序分析中的异常处理提供了透明依据。

使用方法

用户可通过HuggingFace的`datasets`库以`load_dataset`函数一键加载数据，随后转换为Pandas DataFrame进行后续分析。典型应用包括按国家代码筛选单国子集、按年度排序绘制特定指标的时序曲线，或利用透视表构建国家×年份的矩阵面板数据。所有列均采用ILOSTAT标准代码与英文标签的双重命名体系，兼顾了跨数据集的可互操作性与人类可读性。

背景与挑战

背景概述

该数据集源于国际劳工组织（ILO）的ILOSTAT统计数据库，由Electric Sheep Africa于2025年重新整理并发布在HuggingFace平台。ILOSTAT作为全球劳动统计的权威来源，系统整合了200多个经济体的劳动力调查、行政记录等多源数据，为研究劳动力市场动态提供了基础。此数据集聚焦非洲37个国家2000至2025年间按性别与护理工作者类型划分的就业数据，包含2,943条观测值，核心指标为“付费护理工作者”的就业人数（单位：千）。其研究价值在于填补了非洲地区护理行业劳动力数据的空白，为分析性别平等、护理经济及可持续发展目标（SDGs）中的体面工作指标提供了关键支撑，推动了区域劳动经济学与政策研究的量化发展。

当前挑战

该数据集面临多项挑战。首先，在领域问题层面，研究非洲护理工作者就业面临数据稀疏性与可比性不足的困境，各国劳动力调查的覆盖频率、定义标准（如ICLS分类）及数据质量参差不齐，导致跨国家或跨时序分析时需谨慎处理缺失值与序列断点。其次，构建过程中需应对多源数据整合的复杂性，包括从ILOSTAT API提取时过滤非洲国家代码、协调不同调查来源的元数据差异（如“source.label”字段标注的溯源信息），以及解决同一国家-年份存在多源数据时选择“最佳来源”的取舍问题。此外，数据标注中“obs_status”字段反映了序列断裂或方法修订等波动，进一步增加了时间序列建模的难度。

常用场景

经典使用场景

该数据集聚焦于非洲37个国家2000至2025年间按性别与护理工作者类型划分的就业人数，涵盖近3000条观测记录。在经典使用场景中，研究者常将其作为时间序列分析与面板数据回归的素材，用以追踪非洲大陆护理行业就业结构的演变轨迹。通过按性别和护理类别进行交叉分组，该数据支持对男性与女性在护理劳动力市场中分布差异的精细刻画，并揭示各国护理就业水平的动态变化趋势。

衍生相关工作

围绕该数据集已衍生出一系列经典研究，例如结合ILOSTAT其他劳动力指标构建的综合面板分析，用于评估非洲护理行业就业的性别不平等指数。部分工作将护理就业数据与宏观经济变量（如GDP、教育投资）进行关联回归，揭示护理行业扩张对整体就业弹性影响。另有学者利用该数据验证女性就业与经济增长之间的倒U型关系假设，或将其作为机器学习模型的特征输入，预测非洲各国未来五年护理岗位的增长潜力，推动了计算社会科学在劳动研究领域的应用。

数据集最近研究

最新研究方向

该数据集聚焦于非洲37国2000至2025年间按性别和护理工作者类型划分的就业数据，为分析非洲劳动力市场中照护经济的性别差异与演化轨迹提供了关键定量基础。当前研究前沿正围绕照护工作的非正规化趋势、女性在低薪护理岗位中的过度集中现象，以及公共卫生危机（如新冠疫情）对护理劳动力供需结构的冲击展开。数据集与ILO倡导的体面劳动目标及联合国可持续发展目标高度契合，能够支撑政策评估模型构建与跨国比较分析，揭示非洲地区在护理服务产业化进程中的结构性短板。其时间跨度覆盖非洲大陆自由贸易区建设启动后的劳动力转型期，为探讨区域经济一体化对性别化职业隔离的缓解效应提供了不可多得的实证素材。