electricsheepafrica/africa-ilo-how-tour-sex-nb-mean-weekly-hours-actually-worked-per-person-in-to

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的统计信息，专门关注非洲旅游部门就业人员的平均每周实际工作小时数。它涵盖了24个非洲国家从2009年至2025年的210个观测值，核心指标为HOW_TOUR_SEX_NB，表示旅游部门就业人员平均每周实际工作小时数。数据按性别（总计、男性、女性）进行细分，并包括国家代码、年份、观测值、数据来源和质量标志等信息。数据集由Electric Sheep Africa重新打包，旨在为非洲提供统一的、适合机器学习的数据层。This dataset contains statistical information from the International Labour Organization (ILO) ILOSTAT database, specifically focusing on the mean weekly hours actually worked per person in tourism sector employment in Africa. It includes 210 observations across 24 African countries from 2009 to 2025, with the core indicator HOW_TOUR_SEX_NB representing the mean weekly hours actually worked per person in tourism sector employment. Data is disaggregated by sex (total, male, female) and includes details such as country codes, years, observed values, data sources, and quality flags. The dataset is repackaged by Electric Sheep Africa as part of a unified, ML-ready data layer for Africa.

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）旗下的ILOSTAT统计数据库，聚焦非洲地区旅游业从业者的人均周实际工作时长。数据通过ILOSTAT的REST API接口直接获取，原始指标代码为HOW_TOUR_SEX_NB，经筛选仅保留非洲ISO3国家代码对应的观测值。ILOSTAT依据国际劳工统计学家会议（ICLS）的定义对各国劳动力调查微观数据进行标准化处理，并在source.label列标注数据来源，确保每一条记录可追溯。数据集由Electric Sheep Africa团队重新封装，以统一的格式发布在HuggingFace平台上，便于机器学习研究者直接调用。

特点

该数据集包含210条观测记录，覆盖24个非洲国家，时间跨度从2009年至2025年，提供了唯一的指标——旅游业就业者人均周实际工作时长。数据按性别进行细粒度分解，包含总数、男性和女性三个维度，便于分析性别差异。每条记录均附有观测状态标志（如数据中断、预估等）及详细的备注信息，帮助用户评估数据质量。此外，数据集保留了ILOSTAT的原始来源编码与说明，增强了数据的透明性与可复现性。

使用方法

用户可通过HuggingFace的datasets库直接加载该数据集，使用load_dataset函数即可获取训练集并转换为Pandas DataFrame进行后续分析。例如，可以按国家代码筛选特定国家的数据，按时间排序绘制指标的时间序列图，或利用pivot_table构建以年份为行、国家为列的矩阵，便于跨国家比较。数据集支持表格分类、回归以及时间序列预测等多种任务，适用于劳动经济学、旅游产业研究及非洲区域发展分析等领域。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）通过其ILOSTAT统计数据库发布，并由Electric Sheep Africa在2025年重新整理封装，聚焦于非洲24个国家2009至2025年间旅游部门就业人员平均每周实际工作小时数。旅游产业作为非洲许多经济体的支柱性部门，其劳动时间数据对评估区域劳动力市场健康状况、理解经济增长与就业质量的关系至关重要。该数据集基于ILO根据国际劳工统计学家会议（ICLS）标准对各国劳动力调查、家庭收支调查及机构调查等原始微观数据进行的统一协调处理，共计210条观测记录，为研究非洲旅游行业的劳动强度、性别差异及跨国家比较提供了标准化的时间序列基础。数据集采用CC-BY-4.0许可协议发布，其开放性促进了发展经济学、劳动经济学及旅游管理领域的学术研究，尤其弥补了非洲大陆在这一细分指标上的数据稀缺性。

当前挑战

该数据集所应对的核心领域挑战在于非洲旅游部门劳动时间数据的碎片化与不可比性。不同国家统计机构采用的调查方法、行业定义及数据收集频率存在显著差异，ILOSTAT虽通过ICLS定义进行协调，但观测状态中存在的“序列中断”标记（如方法论修订）仍提示了跨时期一致性风险。构建过程中，数据仅涵盖24个非洲国家且观测数有限，部分国家（如佛得角）仅存单一年份记录，造成时间序列分析中的稀疏性与地理覆盖偏差。此外，数据只提供年度频率，忽略了旅游行业典型的季节性波动特征，且性别维度仅有三类划分，无法深入捕捉非正式就业、兼职模式及多行业兼职工人的复杂劳动时间特征，这些局限对模型泛化能力和政策推断的鲁棒性构成了显著挑战。

常用场景

经典使用场景

该数据集基于国际劳工组织（ILO）的ILOSTAT数据库，汇聚了2009至2025年间24个非洲国家旅游业从业者人均实际周工作小时数的观测数据。其最经典的使用场景在于进行跨国的劳动时间比较分析，研究者可通过性别维度（总人数、男性、女性）对数据进行拆解，洞察不同国家旅游业工作强度的时空分布规律。此外，该数据也常被用作时间序列预测任务的基础，用以构建短期或中长期的劳动供给波动模型。

实际应用

在实际应用层面，该数据集能够辅助非洲各国劳动部门与旅游管理机构制定更具针对性的行业政策。例如，通过观测各国年均工时的波动趋势，政府可以识别出劳动力超负荷运转的风险地区，从而优化劳动法规与休息制度。同时，国际援助组织与可持续发展评估机构也可利用这些数据，监测非洲旅游业在体面劳动目标上的进展，为资源分配与项目成效评估提供量化依据。

衍生相关工作

该数据集衍生了一系列围绕非洲旅游劳动力市场与分析工具相结合的研究工作。一方面，它催生了将机器学习回归模型应用于小样本劳动数据预测的尝试，探究如何在数据稀疏条件下推断缺失年份的工时状态；另一方面，基于该数据的分组可视化工具包与交互式仪表盘也相继出现，帮助非专业用户快速理解非洲各国旅游业的劳动结构。此外，它与其他ILOSTAT指标（如就业率、薪资水平）的联合分析，促进了跨指标的知识图谱构建，深化了对非洲旅游业生态系统的系统性认识。