electricsheepafrica/africa-ilo-emp-stem-sex-cbr-nb-employment-in-stem-occupations-by-sex-and-place-of

该数据集包含关于非洲26个国家在2009年至2025年期间从事STEM职业的工人的489个观测值，数据按性别和出生地点进行细分。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涵盖了就业指标，具体包括按性别和出生地点划分的STEM职业就业情况（千人数）。数据集提供了国家代码、年份、观测值、数据来源、性别分类（总计、男性、女性）以及数据质量标记等信息，适用于表格分类、回归和时间序列预测等任务。This dataset contains 489 observations of Workers in STEM occupations data across 26 African countries, spanning from 2009 to 2025, disaggregated by sex and place of birth. It is sourced from the ILOSTAT database of the International Labour Organization (ILO), focusing on the indicator Employment in STEM occupations by sex and place of birth (thousands). The dataset includes information such as country codes, years, observed values, data sources, sex classifications (total, male, female), and data quality flags, suitable for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa基于国际劳工组织（ILO）的ILOSTAT数据库重构而成。数据通过ILOSTAT提供的REST API接口获取，具体为EMP_STEM_SEX_CBR_NB指标，并依据非洲ISO3国家代码进行地域筛选。ILOSTAT本身采用国际劳工统计学家会议（ICLS）定义的标准，对各国劳动力调查、家庭收入调查及行政记录等原始微观数据进行统一协调与标准化处理，确保了跨国家、跨年份数据的可比性与规范性。最终汇集了26个非洲国家的489条观测记录。

使用方法

使用HuggingFace的datasets库即可便捷加载该数据集，执行`load_dataset`函数后可将数据转换为pandas DataFrame进行后续分析。用户可依据`ref_area`列（ISO国家代码）轻松筛选单个国家的子集，亦能结合`indicator`列进行时间序列分析，通过排序`time`列并绘制`obs_value`曲线来观察STEM就业人数的年度变化趋势。此外，利用pandas的`pivot_table`功能，可将数据重塑为国家×年份的矩阵形式，便于进行跨国横向比较与面板数据分析。

背景与挑战

背景概述

在非洲大陆，科技与工程领域的劳动力构成是衡量区域创新能力和可持续发展潜力的关键指标。然而，长期以来，非洲各国在STEM（科学、技术、工程、数学）领域就业数据的系统采集与跨国比较面临显著空白。为弥合这一鸿沟，国际劳工组织（ILO）于其核心统计数据库ILOSTAT中发布了“非洲STEM就业按性别与出生地分布”数据集，后由Electric Sheep Africa于2025年整理并托管于HuggingFace平台。该数据集涵盖2009至2025年间26个非洲国家的489条观测记录，聚焦单一核心指标——STEM领域就业人数（以千计），并依据性别与出生地维度进行细致分层。作为ILO多年劳动统计标准化工作的结晶，该数据集为研究非洲劳动力市场结构转型、性别平等及人才跨区域流动提供了权威且可比的基础数据源，对推动相关领域的定量实证研究具有奠基性意义。

当前挑战

该数据集所应对的首要领域挑战在于非洲STEM就业数据的极度稀缺与碎片化：多数国家缺乏连续的专项调查，不同来源的统计口径与定义难以统一，致使跨国或跨时段横向对比异常困难。ILOSTAT通过采用国际劳工统计学家会议（ICLS）的标准化定义，从各国劳动力调查中抽取并同质化数据，但这一过程本身构成重大挑战——原始数据质量参差不齐，部分观测被标记为“不可靠”（obs_status为‘U’），且存在因方法论修订导致的序列断裂（如备注I11:264所示）。在构建层面，数据集整合了来自26国多种调查类型（如劳动力调查、就业调查）的微数据，需处理多源异构编码、时间跨度不一及分类变量（如性别与出生地）的层级对齐问题，同时确保ILO选定的“最佳来源”在相同国家-年份冲突中被正确使用。此外，跨时15年间（2009-2025）各国报告频率的不均衡（如埃及仅含2009-2011年数据）与缺失值的存在，进一步考验了数据集在时间序列分析中的适用性与推断稳健性。

常用场景

经典使用场景

在劳动力经济学与性别研究的交叉领域中，该数据集为探索非洲地区STEM（科学、技术、工程与数学）职业的就业特征提供了系统化、标准化的量化基础。研究者可基于其提供的26个非洲国家、2009至2025年的面板数据，对不同性别与出生地的劳动者在STEM行业的就业规模进行时间序列分析与跨国比较。经典用法包括构建固定效应或随机效应回归模型，以考察性别差异对STEM就业的影响，或利用面板数据分析STEM就业的演变趋势与结构性变迁，为理解非洲大陆人力资本配置和性别平等进程提供经验证据。

解决学术问题

该数据集直面非洲地区劳动力市场中STEM就业数据匮乏且碎片化的学术困境，填补了该领域系统性宏观数据的空白。通过提供按性别与出生地细分的标准化就业统计，它使得研究人员能够定量解析性别在STEM就业机会获取中的不平等程度，并探讨出生地（本土出生与外国出生）对就业结果的影响。这一数据基础极大地推动了针对非洲国家可持续发展目标（SDG）中关于体面工作与性别平等指标的监测与评估，为揭示区域间劳动力市场差异、制定包容性就业政策提供了不可或缺的实证支撑。

实际应用

在实际应用层面，该数据集为国际组织、政府机构及非政府组织开展政策评估与项目设计提供了核心工具。国际劳工组织（ILO）可利用其进行非洲地区STEM就业的年度监测，指导技术援助资源的精准投放。非洲各国劳动与教育部门可借助这些数据识别本国STEM人才流失或性别失衡的痛点，进而调整职业教育与培训布局。此外，非营利组织与智库能够基于此数据集生成覆盖全非洲的STEM就业态势报告，赋能公众对数字时代劳动力发展的认知，推动社会对性别平等议题的关注与行动。

数据集最近研究

最新研究方向

该数据集聚焦于非洲大陆STEM（科学、技术、工程与数学）领域就业的性别差异与地域分布，为研究非洲劳动力市场结构性转型提供了关键数据支撑。当前全球正面临第四次工业革命浪潮，STEM人才成为各国竞相争夺的核心资源，而非洲作为年轻人口最集中的大陆，其STEM就业格局不仅关乎本地可持续发展目标的实现，更与全球产业链重组密切关联。结合ILOSTAT官方发布的职业细分指标，研究者可深入剖析女性在STEM领域的参与度、跨国迁移对高技能劳动力市场的影响，以及不同出生地群体的就业壁垒。这些分析对制定精准的性别平等政策、优化教育投资方向以及推动非洲大陆自由贸易区背景下的技能流动具有深远意义。