electricsheepeurope/europe-ilo-emp-stem-sex-geo-nb-employment-in-stem-occupations-by-sex-and-rural-ur

该数据集包含欧洲8个国家（奥地利、法国、希腊、瑞士、波斯尼亚和黑塞哥维那、白俄罗斯、塞尔维亚、捷克）在2008年至2025年期间的STEM（科学、技术、工程和数学）职业就业数据，共计900个观测值。核心指标为EMP_STEM_SEX_GEO_NB，表示按性别（总计、男性、女性）和城乡区域划分的就业人数（以千计）。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，包含国家代码、年份、数据来源、性别分类、观测值及状态标志等列。数据集为年度频率，适用于表格分类、回归和时间序列预测任务，旨在提供欧洲劳动力市场中STEM就业的标准化、机器学习就绪数据。This dataset contains 900 observations of STEM (Science, Technology, Engineering, and Mathematics) occupation employment data across 8 European countries (Austria, France, Greece, Switzerland, Bosnia and Herzegovina, Belarus, Serbia, Czech Republic) from 2008 to 2025. The key indicator is EMP_STEM_SEX_GEO_NB, representing employment in STEM occupations by sex (total, male, female) and rural/urban areas (in thousands). Sourced from the International Labour Organization (ILO) ILOSTAT database via API, it includes columns such as country code, year, data source, sex disaggregation, observed values, and status flags. The data is annual frequency, harmonized using ILO standards, and is designed for tabular classification, regression, and time-series forecasting tasks, providing a normalized, ML-ready data layer for European labor market analysis.

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中央统计数据库，通过REST API接口直接获取原始指标数据（EMP_STEM_SEX_GEO_NB），并依据ISO3国家代码筛选至欧洲区域。数据整合了8个欧洲国家2008至2025年期间劳动力调查与行政记录中的微观数据，经ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行统一标准化处理，最终以Parquet格式封装，确保科研人员可直接调用。

特点

数据集包含900条观测记录，覆盖奥地利、法国、瑞士等8个欧洲国家，时间跨度长达17年。核心指标聚焦于按性别及城乡地域划分的STEM领域就业人数（单位：千），并附有性别的精细分项（总、男、女）。同时，每条记录均标注数据来源、观测状态及测度中断说明，为研究者提供了可追溯的高质量时间序列数据，尤其适合开展欧洲劳动力市场性别与地域维度的纵向分析。

使用方法

用户可通过HuggingFace Datasets库简洁调用，使用`load_dataset()`命令一键加载为Pandas DataFrame，便于直接开展探索性分析。典型操作包括按国家代码（如`ref_area`）过滤特定国家数据，或以`indicator`字段筛选核心指标后进行时间序列可视化。此外，支持将数据重塑为国家×年份的透视表格式，为构建回归模型或进行面板数据分析提供便利。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）的ILOSTAT数据库于2025年整理发布，并由Electric Sheep Europe重新打包至HuggingFace平台。它聚焦于欧洲8个国家2008至2025年间STEM（科学、技术、工程、数学）领域从业人员的就业情况，按性别及城乡地域维度进行细分，包含900条观测记录。STEM就业结构是衡量区域创新能力与劳动力市场质量的关键指标，然而长期以来欧洲乡村地区与女性在STEM领域的参与度数据零散、缺乏跨国可比性。该数据集通过标准化治理，首次实现了对欧洲多国STEM就业的性别与地理差异的系统性量化，为劳动力经济学、区域发展研究及政策评估提供了高颗粒度的基准数据，推动了相关领域的实证分析从个案描述向跨时空比较的转变。

当前挑战

该数据集的构建与使用面临多重挑战。首先，核心研究问题在于揭示STEM就业中性别与城乡差异的演化规律，其难点在于各国统计口径不一：部分国家使用劳动力调查（LFS），而另一些依赖行政记录，导致同一指标在不同来源下存在定义偏差与序列断裂（如数据标注的“B”状态）。其次，整合过程中需处理多源数据的融合冲突——ILO虽筛选了“最佳来源”，但样本量差异（如希腊162条 vs 捷克54条）与年份不全（塞尔维亚仅至2019年）易引入选择偏倚。此外，数据粒度受限：仅提供年度值，无法捕捉季度或月度波动，且乡村分类标准因国而异（如“GEO_COV_NAT”无法细化亚区域），限制了空间分析精度。这些挑战削弱了模型的稳健性，但通过标注来源与失效标志，数据集为后续质量筛选与敏感性分析保留了可追溯路径。

常用场景

经典使用场景

在劳动经济学与性别研究交叉领域，该数据集最经典的使用场景是追踪欧洲各国STEM（科学、技术、工程、数学）职业就业的性别差异及其城乡分布特征。通过整合2008至2025年间8个欧洲国家的纵向观测数据，研究者能够构建面板数据模型，分析女性在STEM领域就业比例的演变趋势，量化城乡二元结构对STEM劳动力参与的影响。数据集中按性别（男、女、总计）和地域覆盖类型（国家、城乡）的精细分层，使得进行固定效应回归或时间序列分解成为可能，从而揭示政策干预、经济周期与教育投入如何调节不同群体在STEM行业的就业表现。

解决学术问题

该数据集核心解决了两个长期困扰劳动经济学与区域发展研究的学术难题：一是STEM领域性别就业差异的跨国比较与动态演化机制不清晰的问题，二是城乡分割背景下高技能劳动力分布异质性的量化测度不足。借助ILO标准化的统计口径和多年份、多国别的结构化数据，学者可验证关于性别刻板印象消退、城市化对STEM就业拉动等经典假说。其对学术界的意义在于提供了统一、可复现的高质量观测基础，使微观层面的结构性分解（如性别×地域的交互效应）成为可能，进而推动性别主流化政策评估与区域创新体系的实证研究深化。

衍生相关工作

围绕此数据集已衍生出一系列富有影响力的学术与实践工作。在研究方法上，它催生了利用多层级模型（如将个体观测嵌套于国家-年份结构中）刻画STEM就业影响因素的文献，并推动了性别均衡指数构建与城乡就业收敛性检验的研究范式。在政策分析领域，基于该数据集的工作包括评估欧盟《数字十年》计划对女性STEM就业的实际效应、比较东欧与西欧在城乡STEM人才留存上的制度差异。此外，该数据集还被整合进ILOSTAT扩展存储库和欧洲劳动力市场开源分析平台，作为基准数据进行鲁棒性检验与多源数据融合，成为跨国劳动经济研究中不可或缺的参照锚点。