electricsheepafrica/africa-ilo-how-temp-sex-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的统计数据，主题为按性别划分的就业人口平均每周实际工作时间，专门针对非洲地区。数据集涵盖41个非洲国家，时间跨度为1991年至2025年，共包含675个观测值。核心指标为HOW_TEMP_SEX_NB，即按性别（总计、男性、女性）分类的就业人口平均每周实际工作小时数。数据以表格形式组织，包括国家代码、国家名称、数据来源、指标代码、性别分类、观测年份、观测值及其他元数据列。数据集经过重新打包，旨在为机器学习和研究提供标准化、易于访问的非洲劳动力市场数据。This dataset contains statistics from the International Labour Organization (ILO) ILOSTAT database on the topic of Mean weekly hours actually worked per employed person by sex, specifically focused on Africa. It covers 41 African countries from 1991 to 2025, with 675 observations. The core indicator is HOW_TEMP_SEX_NB, which represents the mean weekly hours actually worked per employed person, disaggregated by sex (total, male, female). The data is organized in a tabular format, including columns for country codes, country names, data sources, indicator codes, sex classifications, observation years, observed values, and other metadata. The dataset has been repackaged to provide standardized, machine-learning-ready data on African labor markets for research and development.

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中央统计数据库，聚焦非洲大陆41个国家的劳动力工时数据。构建过程中，通过调用ILOSTAT的REST API接口，直接提取了编号为HOW_TEMP_SEX_NB的指标数据，并依据非洲ISO3国家代码进行地理范围过滤。原始数据来源涵盖劳动力调查、家庭收入调查、企业调查及行政记录等多种渠道，经ILO统计部门采用国际劳工统计学家会议（ICLS）定义进行统一协调与标准化处理，以确保跨国家、跨时段数据的可比性。最终，由Electric Sheep Africa团队对数据进行重新打包与整合，形成包含675条观测记录的清洁数据集。

特点

本数据集收录了1991年至2025年间41个非洲国家的每周实际工作小时数，按照性别维度进行细致划分，涵盖总人口、男性和女性三个类别。数据以年频呈现，每条记录均包含国家代码、来源标识、指标定义及观测值等完整schema信息，并附有观测状态标记以指示数据质量（如暂时性、断点等）。数据集来源权威，由国际劳工组织官方发布，且经过Electric Sheep Africa团队的专业清洗与整理，具备高可靠性、可追溯性和即用性，为非洲区域劳动力市场的时间序列分析提供了坚实基础。

使用方法

用户可通过HuggingFace的`datasets`库便捷调用该数据集，仅需一行`load_dataset`命令即可加载至Python环境，并转换为Pandas DataFrame进行后续分析。数据集支持按单一国家（如肯尼亚）筛选子集，便于聚焦特定区域的工时趋势；亦可按指标进行时序排序与绘图，直观呈现时间演变规律。更进一步，用户可利用数据透视功能构建国家×年份的观测矩阵，便于进行跨国家比较与面板数据分析。此外，数据集以CC-BY-4.0许可发布，研究人员在使用时需同时引用原始ILO数据源及Electric Sheep Africa的重新打包版本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）旗下ILOSTAT数据库整理，经Electric Sheep Africa于2025年重新封装并发布在HuggingFace平台。数据集聚焦于非洲大陆41个国家1991至2025年间按性别划分的受雇人员每周实际平均工作时长，共包含675条观测记录。作为全球劳动统计的权威来源，ILOSTAT通过整合各国劳动力调查、家庭收入调查及行政记录等数据，为监测体面劳动目标提供核心指标。该数据集的发布填补了非洲区域工作时长高质量、结构化时序数据的空白，为劳动经济学、性别不平等分析及政策评估提供了标准化、可复用的数据基础。其统一schema设计兼容表格分类、回归及时间序列预测等机器学习任务，显著降低了研究者在非洲背景下的数据获取与处理门槛。

当前挑战

该数据集解决的核心领域问题在于：非洲大陆普遍缺乏按性别细分的、长时间跨度的标准化工作时长数据，导致区域劳动力弹性、性别就业差距及劳动政策效果难以被量化建模。构建过程中面临多重挑战：其一，原始数据来源复杂，包括不同国家、不同调查类型（如劳动力调查、就业调查），其定义、问卷设计和编码标准差异显著，需借助ICLS定义进行严格的异质性对齐；其二，数据稀疏性问题突出，部分国家仅有少量年份的观测，如安哥拉仅2020至2025年有21条记录，而南非则有75条，时序不均衡增加了跨国家比较和建模的难度；其三，观测状态标记如“Break in series”提示存在数据序列中断，需谨慎处理缺失值与统计口径变更带来的偏差。

常用场景

经典使用场景

在劳动经济学与非洲发展研究的交叉领域，该数据集为探究非洲大陆就业质量提供了关键的量化基础。其最经典的使用场景是构建面板数据模型，通过整合跨越1991年至2025年间41个非洲国家的性别分层周工作时间观测值，研究者能够系统剖析非洲劳动力市场的时间配置模式。作为ILOSTAT官方统计数据的精选子集，该数据集特别适用于开展跨国比较研究，例如借助固定效应模型控制国家异质性后，量化不同性别劳动者在周实际工时上的差异及其演变趋势。

衍生相关工作

该数据集衍生了一系列具有标志性的学术与工程成果。在机器学习领域，研究者利用其时间序列结构开发了面向非洲低资源场景的缺失值插补算法，通过贝叶斯结构化时序模型填补稀疏国家的观测空缺。计量经济学方向则催生了多篇探讨非洲劳动力市场韧性、性别隔离与外部冲击（如新冠疫情）交互作用的论文，其中部分工作将本数据集与ILO其他指标联合构建了首个非洲体面劳动综合指数。在数据工程方面，Electric Sheep Africa基于该数据开发了标准化ETL管线，为后续持续整合ILOSTAT其他非洲子集提供了可复用的范式模板。

数据集最近研究

最新研究方向

在当前全球劳动力市场结构深刻变革的背景下，非洲大陆的劳动时间数据研究正成为劳动经济学与可持续发展目标（SDGs）监测的前沿热点。该数据集基于国际劳工组织（ILO）ILOSTAT权威统计源，覆盖41个非洲国家1991–2025年间按性别分列的每周实际工作小时数，为探究非正规就业形态、性别劳动参与差异以及后疫情时代工作模式演变提供了关键的时序证据。结合ILO近期发布的《世界就业与社会展望》报告，该数据可支撑学界对非洲地区‘工作贫困’与‘过度劳动’双重困境的量化分析，亦为SDG 8（体面工作与经济增长）指标体系的本地化校准注入高质量数据动力，对推动非洲政策制定者设计性别敏感的劳动力干预措施具有深远意义。