electricsheepeurope/europe-ilo-cld-xsna-sex-age-stu-rt-share-of-children-engaged-in-economic-activity-by

该数据集名为按性别、年龄和上学出勤率划分的从事经济活动的儿童比例（%）| 欧洲（ILOSTAT），是一个表格数据集，专注于童工统计。它包含1,888个观测值，覆盖21个欧洲国家（如罗马尼亚、奥地利、匈牙利等），时间跨度为1995年至2025年。数据集的核心指标是CLD_XSNA_SEX_AGE_STU_RT，表示按性别、年龄和上学出勤率划分的从事经济活动的儿童比例（百分比）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过标准化处理，确保数据一致性和可追溯性。数据列包括国家代码、国家名称、来源代码、指标代码、性别分类（总计、男性、女性）、年龄分类、教育出勤分类、观测年份、观测值、观测状态标志等。数据集适用于表格分类、回归和时间序列预测任务，并提供了详细的Python使用示例，支持数据加载、过滤和分析。数据以CC-BY-4.0许可发布，使用时需引用原始来源和重新打包方。The dataset is named Share of children engaged in economic activity by sex, age and school attendance (%) | Europe (ILOSTAT) and is a tabular dataset focusing on child labour statistics. It contains 1,888 observations across 21 European countries (e.g., Romania, Austria, Hungary), spanning from 1995 to 2025. The core indicator is CLD_XSNA_SEX_AGE_STU_RT, which represents the share of children engaged in economic activity by sex, age, and school attendance (%). The data is sourced from the International Labour Organization (ILO)s ILOSTAT database, retrieved via API and harmonized for consistency and traceability. Columns include country code, country name, source code, indicator code, sex classification (total, male, female), age classification, educational attendance classification, observation year, observed value, observation status flag, and more. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, with detailed Python usage examples provided for loading, filtering, and analysis. It is released under the CC-BY-4.0 license, requiring citation of both the original source and the repackaging entity when used.

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）旗下的ILOSTAT统计数据库，聚焦于欧洲21个国家中儿童参与经济活动的比例，并按性别、年龄及就学状况进行细分。数据通过ILOSTAT的REST API直接获取，原始指标代码为CLD_XSNA_SEX_AGE_STU_RT，随后依据欧洲ISO3国家代码进行地理范围过滤。ILOSTAT依据国际劳工统计学家会议（ICLS）的定义对各国劳动力调查、家庭收入调查等微观数据进行统一归并与标准化处理，确保跨国家、跨时间序列的可比性。Electric Sheep Europe团队在此基础上完成了数据的再封装与格式规范化，形成了包含1888条观测值、覆盖1995至2025年时间跨度的最终数据集。

特点

该数据集的核心特色在于其高度结构化与多维度细分的特性。其不仅提供了儿童经济活动参与率这一核心指标，还通过sex（性别）、classif1（年龄段）和classif2（就学状况）三个分类维度，实现了对数据颗粒度的精准控制，使研究者能够深入探究不同群体间的差异。数据集涵盖了21个欧洲国家，时间跨度长达三十年，为纵向趋势分析和跨国比较研究提供了扎实的基础。此外，每条记录均附带了obs_status（观测状态标志）和note_indicator（指标注释），对数据质量与潜在的方法论变动进行了透明标注，极大提升了数据的可信度与使用的审慎性。

使用方法

使用者可通过Hugging Face的datasets库以load_dataset函数一键加载该数据集，并将其转换为Pandas DataFrame进行后续分析。研究者可按国家代码（ref_area）进行过滤以开展国别研究，或按时间序列（time列）对特定指标进行可视化，洞察儿童劳动参与率的演变趋势。通过数据透视（pivot_table）操作，可将数据重塑为以年份为行、国家为列的矩阵形式，便于进行跨国的横向对比与面板数据分析。数据集还提供了充分的分类变量和元数据列，支持复杂的子群体筛选与归因分析，非常适合从事劳动经济学、儿童福祉及国际发展研究的学者直接使用。

背景与挑战

背景概述

童工问题作为全球劳动力市场治理中的棘手议题，直接关系到儿童权益保障与可持续发展目标的实现。基于此背景，国际劳工组织（ILO）通过其核心统计数据库ILOSTAT构建了该数据集，旨在系统量化欧洲地区儿童参与经济活动的比例及其结构性特征。数据集由ILO统计部门主导开发，Electric Sheep Europe于2025年对原始数据进行了规范化封装与再发布，涵盖1995至2025年间21个欧洲国家的1,888条观测记录。核心指标聚焦于不同性别、年龄段及就学状态下的儿童劳动参与率，为探究童工现象的演变规律、区域差异及政策干预效果提供了标准化、时序化的实证基础，在劳工经济学与社会政策研究领域具有重要的参考价值。

当前挑战

该数据集所面对的挑战涉及多维度层面。在领域问题层面，童工现象的测量本身便面临定义模糊性与数据可比性的困境：不同国家对“经济活动”的定义、年龄划分标准及调查覆盖范围存在显著差异，使得跨国与跨时段的数据解读易产生偏差。在构建过程中，数据来源的异构性构成显著障碍——ILOSTAT需从各国劳动调查、家计调查及行政记录中抽取并协调微观数据，数据质量受限于原始调查方法、样本量及上报时效性。此外，部分观测值标记为不可靠或存在序列断裂，且高收入国家与转型经济体之间的数据密度极不均衡，对时序预测与因果推断模型的构建提出了严苛要求。

常用场景

经典使用场景

该数据集以国际劳工组织ILOSTAT数据库为基石，汇聚了1995年至2025年间21个欧洲国家关于儿童从事经济活动比例的1888条观测记录。其核心用途在于探究儿童劳动参与率在不同性别、年龄区间及就学状态下的分布规律，为时间序列预测、分类与回归分析提供了坚实的量化基础。研究者可借助这一结构清晰的面板数据，精准描绘欧洲儿童劳动的历史演变轨迹，揭示特定国家或区域在特定时期内儿童劳动现象的波动特征。

衍生相关工作

基于该数据集的丰富时序与分类信息，衍生出一系列创新性研究工作。在计量经济学领域，有研究利用双重差分与合成控制法评估教育改革对童工比例的因果效应；在机器学习方向，学者构建了多维特征融合的预测模型，提前识别潜在的高发区域。时间序列分解技术被用于分离长期趋势与周期性波动，揭示经济危机对儿童劳动参与的短期冲击。社会学研究则结合该数据与受教育年限指标，深入探讨代际贫困传递机制。这些衍生工作不仅深化了对童工现象的理解，更为数据驱动的社会政策评估树立了范式。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲21国1995至2025年间儿童参与经济活动的比例，按性别、年龄及就学状况进行细致拆解，为揭示童工现象的时空演变与驱动机制提供了关键数据基础。当前研究前沿正借助此类高质量、跨国家、长时序的ILOSTAT标准化数据，深入分析教育覆盖与童工发生率之间的动态关联，并利用时间序列预测模型评估欧洲各国在实现可持续发展目标8.7（消除童工）方面的进展与差距。同时，结合劳动调查与行政记录的多源数据融合方法，可更精准地识别童工分布的潜在热点与脆弱群体，为制定区域性干预政策与监测社会保护效果提供了实证支撑，对推动欧洲乃至全球的儿童权益保障研究具有深远意义。