electricsheepafrica/africa-ilo-emp-stem-sex-ec2-nb-employment-in-stem-occupations-by-sex-and-economic

该数据集包含非洲36个国家在2009年至2025年期间按性别和经济活动划分的STEM（科学、技术、工程和数学）职业就业数据，以千为单位。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并过滤为非洲国家。数据集包含7,244个观测值，涵盖一个核心指标：EMP_STEM_SEX_EC2_NB（按性别和经济活动划分的STEM职业就业 - ISIC第2级）。数据结构包括国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、经济活动分类（ISIC第4版修订的2位数分类）、观测年份、观测值、观测状态标志以及相关注释。数据按年度频率提供，并经过ILO的标准化处理，以确保与国际劳工统计学家会议（ICLS）定义的一致性。数据集旨在支持表格分类、回归和时间序列预测等机器学习任务，适用于劳动力市场分析、性别平等研究和经济政策评估。This dataset contains employment data in STEM (Science, Technology, Engineering, and Mathematics) occupations by sex and economic activity for 36 African countries from 2009 to 2025, measured in thousands. The data is sourced from the International Labour Organizations (ILO) ILOSTAT database, retrieved via the REST API and filtered to African countries. It includes 7,244 observations covering one core indicator: EMP_STEM_SEX_EC2_NB (Employment in STEM occupations by sex and economic activity - ISIC level 2). The data schema comprises country codes, country names, data sources, indicator codes, sex disaggregation (total, male, female), economic activity classification (ISIC Rev.4, 2-digit), observation year, observed values, observation status flags, and related notes. The data is provided at annual frequency and harmonized by the ILO to align with International Conference of Labour Statisticians (ICLS) definitions. It is designed for machine learning tasks such as tabular classification, regression, and time-series forecasting, supporting labor market analysis, gender equality research, and economic policy evaluation.

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，聚焦于非洲地区STEM（科学、技术、工程与数学）职业的就业情况。研究团队通过调用ILOSTAT官方REST API，获取了以'EMP_STEM_SEX_EC2_NB'为标识的原始指标数据，并依据ISO 3166-1 alpha-3标准筛选出涵盖36个非洲国家的观测记录。随后，数据经由Electric Sheep Africa的标准化处理流程，被整理为7244条结构化观测样本，时间跨度覆盖2009年至2025年。在数据整合过程中，ILO依据国际劳工统计学家会议（ICLS）的定义对各国调查微观数据进行了协调统一，并在'source.label'字段中保留了数据来源的追溯信息，确保了数据的可验证性与一致性。

特点

该数据集的核心特点在于其精细的多维分层结构，提供了按性别（总人口、男性、女性）和经济活动（ISIC二级分类）交叉分解的STEM就业人数统计，单位为千人。数据包含丰富的元数据字段，如观测值状态标志（'obs_status'）用于标识数据是否为临时值或不可靠值，以及备注字段（'note_indicator'、'note_source'）记录系列中断或方法修订等关键质量信息。此外，数据集覆盖了从埃及（2210条观测）到肯尼亚（160条观测）等不同数据密度的国家，并优先采用ILO认定的“最佳来源”，确保了在跨国、跨年度比较中的统计口径相对统一。这些特性使其非常适合用于分析非洲大陆STEM劳动力市场的性别差异、行业分布及时间演变趋势。

使用方法

用户可通过HuggingFace的`datasets`库便捷调用，使用`load_dataset`一行命令即可将数据加载为DataFrame格式，开展后续分析。典型应用场景包括：依据'ref_area'字段筛选特定国家的子集进行国别研究；利用'time'与'obs_value'字段对单一指标绘制时间序列图以观察长期趋势；借助`pivot_table`功能将数据重塑为国家×年份的矩阵形式，便于进行面板数据分析或跨国比较。数据集提供了'sex'、'classif1'等分层维度列，用户可根据研究需要按性别或经济活动类别进行分组聚合。需要注意的是，部分国家的数据可能存在年度频率限制与来源变更标记，在建模或回归分析前建议结合'obs_status'与备注信息进行数据过滤与清洗。

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（ILOSTAT）创建，后经Electric Sheep Africa于2025年重新整理并发布于HuggingFace平台。核心研究问题聚焦于非洲36个国家在2009至2025年间，按性别和经济活动划分的科学、技术、工程和数学（STEM）领域的就业情况。数据集包含7,244条观测记录，覆盖1个关键指标，旨在为非洲大陆劳动力市场中的STEM就业结构提供标准化、可机读的量化依据。作为ILOSTAT全球劳动统计体系的一部分，该数据集对研究非洲人力资本发展、性别平等以及可持续发展目标（SDG）中的体面工作议题具有重要支撑作用，为政策制定者和学术界提供了跨时空的比较分析基础。

当前挑战

数据集所应对的领域挑战主要源于非洲劳动统计数据的碎片化与非标准化：各国劳动力调查方法、行业分类体系的差异使得构建统一、跨国的STEM就业测量框架极为困难。此外，部分国家的数据存在时序断裂（如方法论修订）或可靠性标记，影响了时间序列分析的连续性与稳健性。在构建过程中，难点体现在数据清洗与整合层面——需从ILOSTAT的REST API中提取原始数据，依据非洲ISO3国家代码进行过滤，并在保留来源标签以保证可追溯性的同时，将多源头、多粒度的调查微数据（如劳动力调查、行政记录）映射至统一的ISIC第4版经济活动分类体系，确保性别与行业维度的一致性，这对数据溯源与质量校准提出了较高要求。

常用场景

经典使用场景

该数据集为非洲地区STEM（科学、技术、工程与数学）领域就业分析提供了结构化视角，涵盖2009年至2025年间36个非洲国家的7244条观测记录。经典使用场景包括构建面板回归模型，以探究性别、经济活动部门（ISIC二级分类）与STEM就业率之间的动态关系；亦可作为时间序列预测的基底，借助ARIMA或Prophet等模型刻画不同国家STEM就业人数的演变轨迹。通过数据透视表转换，研究者能快速生成国家-年份矩阵，用于跨国比较或聚类分析，揭示非洲大陆STEM人力资本分布的异质性。

实际应用

在实际应用场景中，该数据集可为非洲各国政府及国际组织（如非洲联盟、世界银行）的劳动力政策制定提供数据锚点。基于不同性别和行业维度的就业人数，决策者能够识别STEM人才短缺的关键部门，设计针对性的技能培训计划，并监测联合国可持续发展目标（SDG）中关于体面工作与性别平等的进展。此外，跨国企业可借此评估非洲各经济体的技术劳动力池，优化投资布局与人才招聘策略，降低因信息不对称引发的市场风险。

衍生相关工作

该数据集衍生出的经典工作包括基于面板数据的性别就业差异分解研究，以及利用机器学习方法对非洲STEM就业趋势进行中期预测。部分研究者还将其与非洲教育入学率、研发投入等公开数据融合，构建了STEM人力资本积累的多维指标体系。在方法学上，ILOSTAT数据的一致性质控流程催生了微数据调和工具的开发，使得不同国家调查数据之间的可比性增强，为后续构建非洲大陆劳动力流动模型奠定了数据基础。此外，Electric Sheep Africa对数据的标准化封装，极大降低了非专业用户的时间门槛，推动了数据复用生态的繁荣。