electricsheepafrica/africa-ilo-emp-care-sex-cbr-nb-care-employment-by-sex-and-place-of-birth-thousand

该数据集包含非洲26个国家从2006年到2025年的“按性别和出生地划分的有偿护理就业（千人）”统计数据，共593个观察值，覆盖1个独特指标（EMP_CARE_SEX_CBR_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过Electric Sheep Africa重新打包，以表格形式提供，包括国家代码、国家名称、数据来源、指标、性别分类、出生地分类、年份、观测值、观测状态和相关注释等列。数据集适用于表格分类、表格回归和时间序列预测等任务，专注于非洲地区的劳动力市场分析，特别是护理就业领域。This dataset contains 593 observations of Care employment by sex and place of birth (thousands) data across 26 Africa countries, spanning 2006–2025, covering 1 distinct indicator (EMP_CARE_SEX_CBR_NB). The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), repackaged by Electric Sheep Africa, and provided in tabular format with columns including country code, country name, data source, indicator, sex disaggregation, place of birth classification, year, observed value, observation status, and related notes. It is suitable for tasks such as tabular classification, tabular regression, and time-series forecasting, focusing on labor market analysis in Africa, particularly in the care employment sector.

搜集汇总

数据集介绍

构建方式

该数据集由国际劳工组织（ILO）旗下的ILOSTAT数据库经Electric Sheep Africa重新打包而来，聚焦非洲地区有偿护理工作者的就业状况。数据通过调用ILOSTAT的REST API接口（https://rplumber.ilo.org/data/indicator?id=EMP_CARE_SEX_CBR_NB），以ISO3国家代码筛选非洲区域，获取原始调查微观数据后，依据国际劳工统计学家会议（ICLS）定义进行统一化处理，最终整合为包含593条观测记录的整洁表格。

特点

数据集涵盖2006至2025年间26个非洲国家的年度数据，核心指标为“按性别和出生地划分的有偿护理就业人数（千人）”。每条记录包含国家代码、来源标签、性别分类（总、男、女）及出生地等维度，并附有观测状态和注释信息以标记数据质量，如方法修订或不可靠值。这一结构化设计便于用户探究非洲护理劳动力在时间、地域和人口特征上的变化趋势。

使用方法

用户可通过HuggingFace的datasets库直接加载数据集，使用Python代码`load_dataset("electricsheepafrica/africa-ilo-emp-care-sex-cbr-nb-care-employment-by-sex-and-place-of-birth-thousand")`获取训练集并转换为Pandas DataFrame。支持按国家筛选特定子集，对单一指标进行时间序列分析，或通过数据透视表构建国家×年份矩阵，从而灵活适配分类、回归及时间序列预测等多元任务场景。

背景与挑战

背景概述

在非洲大陆，照护经济作为劳动力市场的关键组成部分，长期以来缺乏系统性的量化研究。国际劳工组织（ILO）通过其ILOSTAT数据库，汇集了全球200多个经济体的劳工统计数据，其中关于有偿照护工作者的指标尤为珍贵。该数据集由Electric Sheep Africa于2025年整理发布，聚焦非洲26个国家2006至2025年间按性别和出生地划分的有偿照护就业人数（单位：千），共计593条观测记录。数据集的核心研究问题在于揭示非洲地区照护劳动力的性别构成与移民背景差异，为评估可持续发展目标（SDGs）中的体面工作进展提供支撑。其影响力体现在为研究非洲照护经济、性别平等及劳动力流动提供了首个基于ILO权威数据的标准化结构化资源，填补了该区域在相关领域的数据空白。

当前挑战

该数据集所解决的领域挑战主要在于非洲照护劳动力数据的碎片化与不可比性问题。由于各国调查方法、统计口径及时间跨度不一，不同来源的数据难以直接整合。构建过程中遭遇的挑战包括：从ILOSTAT REST API抽取数据时需处理多源异构的原始调查微数据（如劳动力调查与行政记录），并依据ICLS定义进行协调统一；过滤非洲国家代码时面临部分国家数据稀疏或缺失的困境，例如26国中前五国贡献了约一半的观测值；此外，数据质量标注存在诸多不可靠（obs_status为“U”）及序列断裂（methodology revised）的情况，需要在保留原始注释的前提下确保数据集的可追溯性。

常用场景

经典使用场景

在劳动经济学与性别研究的交叉领域中，非洲有偿护理从业人员数据集（africa-ilo-emp-care-sex-cbr-nb-care-employment-by-sex-and-place-of-birth-thousand）提供了跨越26个非洲国家、时间跨度从2006年至2025年的593条观测记录。该数据集最经典的使用场景是进行面板数据分析，探究非洲大陆范围内护理行业就业规模的时空演变规律。研究者可借助不同性别与出生地维度进行分组对比，剖析护理劳动力市场结构性特征，识别特定国家或区域在护理就业上的长期趋势与短期波动。该数据集的精心整合特性使得多元回归分析、聚类分析以及分位数回归等计量方法能够灵活运用，为劳动经济学者深入理解非洲护理行业的人口差异和地域异质性奠定了坚实的数据基础。

实际应用

在实际应用层面，该数据集对于政府决策、国际组织发展规划以及非政府组织项目评估具有直接的参考价值。政策制定者可依据数据集反映的各国护理从业人员数量变化，评估现有社会保障政策与劳动力市场法规的覆盖效果，针对性地优化护理行业的薪酬激励与培训体系。例如，非洲各国劳动部门可以利用按性别分层的就业数据识别女性护理工作者的职业瓶颈，设计精准干预措施以提升就业质量。国际组织如国际劳工组织与联合国妇女署可借助该数据集跟踪可持续发展目标中体面劳动与性别平等指标的实现进展，定期发布区域监测报告。非政府组织亦可基于该数据资源评估不同地区护理人员短缺程度，指导人力资源规划与援助资金分配。

衍生相关工作

该数据集激发了多条学术探索路径与衍生性研究工作的涌现。经典衍生工作包括构建非洲护理就业预测模型，利用时间序列方法如ARIMA或LSTM模型对未来五年至十年的护理行业劳动力供给进行前瞻性分析；也有研究者基于该数据集建立跨区域面板估计模型，验证经济增长、人口老龄化与女性劳动参与率等因素如何影响护理就业规模。此外，该数据集与ILOSTAT框架下的其他指标（如工资水平、工作时间、非正规就业比例）结合，衍生出关于护理工作者工作条件与福利保障的综合评估分析。部分学者进一步将性别差异与出生地效应纳入结构方程模型，探讨非洲各国护理劳动力变迁的深层驱动机制，为全球护理就业数据库建设提供了可复制的范例。