electricsheepafrica/africa-ilo-how-eare-sex-nb-mean-weekly-hours-actually-worked-per-employee-in

该数据集包含非洲31个国家有偿护理工作者平均每周实际工作时间的统计数据，时间跨度为2000年至2025年，共有447个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为非洲国家数据。数据集包含一个核心指标：HOW_EARE_SEX_NB，表示按性别划分的有偿护理工作者平均每周实际工作时间。数据按国家、年份和性别（总计、男性、女性）进行细分，并包含数据来源、观测状态和备注等信息。数据集以表格形式存储，适用于表格分类、回归和时间序列预测等任务。This dataset contains 447 observations of paid care workers data across 31 Africa countries, spanning 2000–2025, covering 1 distinct indicator: Mean weekly hours actually worked per employee in care employment by sex (HOW_EARE_SEX_NB). The data is sourced from ILOSTAT, the ILOs central statistics database, and includes disaggregation by sex (total, male, female) with annual frequency. It provides a tabular structure with columns for country codes, years, indicator values, and metadata such as source and observation status.

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数据库，通过其REST API接口直接获取指标HOW_EARE_SEX_NB的原始数据，并依据非洲ISO3国家代码进行地理筛选。数据经Electric Sheep Africa团队统一封装为Parquet格式，保留了ILO采用国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行协调后的规范化字段。每个观测值均附有数据来源标签，以确保从劳动力调查、行政记录等多源数据中追溯原始出处，构建过程体现了权威性与可溯源性的双重追求。

使用方法

使用者可通过HuggingFace的datasets库以load_dataset('electricsheepafrica/africa-ilo-how-eare-sex-nb-mean-weekly-hours-actually-worked-per-employee-in')一步加载数据。对于针对特定国家的分析，支持通过ref_area字段过滤；时间序列分析则可按indicator与time排序后绘图。此外，可利用pivot_table函数构建国家×年份的矩阵，便于进行面板数据回归或跨国比较，高复用性的设计使其无缝对接机器学习工作流与计量经济学研究。

背景与挑战

背景概述

本数据集由国际劳工组织（ILO）统计数据库ILOSTAT于2025年发布，经Electric Sheep Africa团队重新打包整理，聚焦非洲31个国家2000至2025年间受薪照护工作者每周实际平均工时，按性别分列，共包含447条观测数据。照护经济作为全球劳动力市场的重要组成部分，其工作时间的性别分布差异长期受到社会政策与劳动经济学界的关注。该数据集为研究非洲大陆照护工作者的劳动强度、性别不平等及区域差异提供了标准化、机器可读的时序数据，弥补了该领域在非洲区域精细数据缺失的空白，对推动可持续生计与体面劳动议题的定量分析具有重要意义。

当前挑战

构建过程中面临的核心挑战在于数据来源的纷繁复杂性：ILOSTAT整合了各国劳动力调查、住户收支调查及行政记录，不同国家在调查方法、统计口径与时间频率上存在明显差异，数据质量参差不齐，部分系列存在因方法论修订带来的断点问题。此外，非洲各国劳动力调查覆盖年份不均，如南非覆盖2000–2024年75条记录，而科特迪瓦仅2016–2019年9条记录，造成面板数据稀疏与比较困难。所解决的领域问题在于，照护工作者每周工时是衡量体面劳动与性别平等的重要指标，但非洲区域长期缺乏跨国家、长时段的可比数据，该数据集填补了这一空白，为劳动政策评估与跨国比较研究提供了坚实的数据基础。

常用场景

经典使用场景

该数据集源自国际劳工组织ILOSTAT数据库，聚焦非洲31国2000至2025年间按性别划分的护理行业雇员周均实际工时。其核心价值在于为时间序列预测与面板数据分析提供标准化、可复现的微观劳动统计基底。研究者常将其用于构建性别差异视角下的劳动力供给模型，通过整合‘性别’与‘时间’维度，揭示非洲护理从业者工作时长的动态演变规律与跨国异质性，尤其适合支撑固定效应回归、随机前沿分析等计量经济方法，是探索劳动经济学中性别不平等的时空演化路径的稀缺数据资源。

解决学术问题

该数据集直接回应了劳动经济学与性别研究中两个关键学术难题：一是非洲护理行业‘时间贫困’现象的量化测量与跨国比较，二是性别差异如何在长期职业暴露中影响人力资本积累。通过填补非洲区域护理工作者劳动强度调查数据的空白，它使得学者得以检验‘照护经济’中女性过度劳动的理论假设，并评估ILO体面劳动议程在性别维度上的实际进展。其意义在于，为全球南方背景下工作质量与性别公平的交叉研究提供了可靠的统计证据，推动了从宏观制度分析向微观工时核算的方法论转向。

实际应用

在实际应用层面，该数据集直接服务于国际组织、非洲国家统计部门及发展机构的政策监测与干预设计。例如，通过实时追踪各国护理岗位的性别工时比，可为ILO‘体面劳动’指标框架中的目标8.5（充分就业与同工同酬）提供区域级进度评估。劳工统计机构可据此识别工时异常波动国家，诊断劳动调查方法中断（如Break in series标记），进而优化数据采集方案。此外，非政府组织能利用性别分组的工时均值，精准定位女性负担过重的劳动密集型护理区域，推动地方性劳动保护法规的修订与执行。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区按性别划分的带薪护理工作者每周实际工作小时数，为劳动经济学与性别研究领域提供了关键的时间序列数据（2000-2025年，覆盖31个非洲国家）。当前前沿研究方向包括：利用机器学习模型对非洲护理行业的劳动强度与性别差异进行跨国家、跨年度的动态预测与归因分析；结合ILOSTAT的官方统计与自然语言处理技术，挖掘各国劳动力调查中的隐含模式；以及构建时空图神经网络，揭示护理工作负荷与经济发展、社会政策之间的非线性关联。在联合国可持续发展目标（SDG 8）和非洲大陆自由贸易区（AfCFTA）推动劳动力转型的背景下，该数据集填补了非洲护理领域精细化劳动统计的空白，为评估照护经济在非洲的伦理价值与经济贡献、指导缩小性别工时差距的政策干预提供了可量化的实证基础，尤其在应对非洲非正规就业与护理责任外包等热点议题中具有显著意义。