electricsheepasia/asia-ilo-how-xees-sex-eco-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集包含44,274个观测值，涵盖了42个亚洲国家从1969年至2025年的工作时间数据，核心指标为按性别和经济活动划分的雇员实际平均每周工作小时数。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤到亚洲地区，包括国家代码、来源、指标、性别分类、经济分类、年份和观测值等字段，适用于表格分类、回归和时间序列预测等任务。This dataset contains 44,274 observations of Hours of work data across 42 Asia countries, spanning 1969 to 2025, with the core indicator being Mean weekly hours actually worked per employee by sex and economic activity. The data is sourced from the International Labour Organizations (ILO) ILOSTAT database, retrieved via API and filtered to Asia, and includes fields such as country codes, sources, indicators, sex disaggregation, economic classification, years, and observed values, suitable for tasks like tabular classification, regression, and time-series forecasting.

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，通过REST API直接提取指标HOW_XEES_SEX_ECO_NB的原始数据，并依据亚洲国家ISO3代码进行地理筛选。数据经过ILO基于国际劳工统计学家会议（ICLS）定义的统一标准进行清洗与整合，来源信息通过source.label字段保留，确保可追溯性。最终由Electric Sheep Asia团队重新打包，形成结构化的表格数据集。

特点

数据集包含44,274条观测记录，覆盖42个亚洲国家，时间跨度从1969年至2025年。核心指标为按性别和经济活动分类的员工每周实际工作小时数均值。数据支持性别维度的细分（总、男、女、其他），并附带丰富的元数据，如数据来源、观测状态标记、序列断裂说明等，便于用户评估数据质量与适用性。

使用方法

用户可利用HuggingFace的datasets库通过load_dataset()函数一键加载数据，并转换为pandas DataFrame进行后续分析。典型操作包括按国家过滤（如df[df['ref_area'] == 'IDN']）、按时间序列绘制指标趋势、或通过pivot_table构建国家×年份的矩阵数据。数据集适用于时序预测、分类与回归等机器学习任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其ILOSTAT数据库整合发布，并经Electric Sheep Asia团队重新封装为机器学习就绪格式。核心研究问题聚焦于亚洲地区不同性别与经济活动中雇员实际周均工作时长的长期趋势与差异性分析。数据集涵盖42个亚洲国家从1969年至2025年的44,274条观测记录，为劳动经济学、性别平等研究及可持续发展目标（SDG）监测提供了关键的时间序列数据。其发布显著推动了亚洲区域劳动力市场比较研究的精细化，尤其为政策制定者评估工时政策、识别性别差异提供了可靠的数据基础。

当前挑战

该数据集所解决的领域问题包括：1）亚洲国家间工时数据的标准化比较面临统计口径不一、调查方法差异的挑战；2）性别与经济活动的交叉维度分析常因数据稀疏性而难以揭示深层结构性差异；3）长跨度时序数据中存在方法变更、中断和标记不可靠等问题，影响趋势判读的准确性。构建过程中遇到的挑战有：需从多源异构的ILOSTAT接口筛选并整合最佳来源数据，处理年度、月度与季度频率的不一致性，并对42国数据进行地理覆盖与时间跨度的归一化对齐，确保数据质量与可追溯性。

常用场景

经典使用场景

在劳动经济学与区域发展研究中，该数据集被广泛用于分析亚洲各国劳动者平均每周实际工时在性别与经济部门维度的分布特征。研究者通常将其作为跨国比较的基础数据源，构建面板数据模型以探究工时变迁与经济增长、产业结构转型之间的关联。通过按性别和行业进行分组，学者能够识别出不同劳动群体在时间投入上的差异模式，进而为理解亚洲劳动力市场的内在结构提供量化支撑。

衍生相关工作

基于该数据集衍生出一系列具有影响力的学术工作。相关研究利用其面板结构构建的计量模型，揭示了亚洲国家工时与劳动生产率之间的非线性关系，以及女性劳动参与率上升对家庭内工时分配的重塑效应。另有学者将其与经济产出数据结合，检验了非正规就业规模与平均工时之间的内在关联，并开发出预测区域工时演变趋势的时间序列模型。这些工作不仅丰富了劳动经济学关于亚洲工时决定因素的理论认知，也为后续的政策模拟研究奠定了方法论基础。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区分性别与经济活动的雇员实际周均工时监测，为追踪后疫情时代劳动力市场恢复、性别就业平等及非正规经济转型等前沿议题提供了关键数据支撑。随着ILO倡导的体面劳动目标持续深化，研究者可借助该时间序列数据（1969–2025年，覆盖42国）深入剖析亚洲各国工时结构变迁与劳动生产率、社会福利政策的关联机制。尤其值得关注的是，结合人工智能与大数据方法对工时空缺、行业差异进行动态预测，或将为区域劳动力政策优化与可持续发展目标（SDG 8.5）的量化评估开辟新路径。