electricsheepafrica/africa-ilo-how-temp-sex-ec2-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的工作时长数据，具体指标为按性别和经济活动（ISIC 2级）划分的就业人员实际平均每周工作小时数。数据集覆盖非洲40个国家，时间跨度为1996年至2025年，共有32,055个观测值。数据以表格形式组织，包括国家代码、年份、性别分类、经济活动分类、观测值及其状态等字段，适用于表格分类、回归和时间序列预测等任务。数据通过ILOSTAT REST API获取，并经过非洲地区过滤和标准化处理，旨在为机器学习和研究提供统一的非洲劳动力统计数据层。This dataset contains Hours of work data from the International Labour Organizations (ILO) ILOSTAT database, specifically the indicator Mean weekly hours actually worked per employed person by sex and economic activity - ISIC level 2. It covers 40 African countries from 1996 to 2025, with 32,055 observations. The data is organized in tabular format, including fields such as country code, year, sex disaggregation, economic activity classification, observed values, and status flags, suitable for tasks like tabular classification, regression, and time-series forecasting. Data is sourced via the ILOSTAT REST API, filtered for African regions, and normalized as part of the Electric Sheep Africa initiative to provide a unified, ML-ready data layer for Africa on HuggingFace.

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，经由Electric Sheep Africa团队通过REST API从原始数据源拉取并重新打包而成。数据采集过程聚焦于非洲地区的ISO3国家代码进行过滤，涵盖了1996年至2025年间40个非洲国家的32,055条观测记录。ILOSTAT本身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统一协调处理，并在数据集中通过'source.label'列标注了各观测值的来源，确保数据可追溯。最终以Parquet格式封装，形成机器学习就绪的数据集。

使用方法

使用者可通过HuggingFace的datasets库便捷加载数据，执行'load_dataset("electricsheepafrica/africa-ilo-how-temp-sex-ec2-nb-mean-weekly-hours-actually-worked-per-employed-per")'命令即可获取训练集。加载后可将数据转为Pandas DataFrame进行探索性分析，通过'ref_area'列过滤特定国家数据，或利用'indicator'列筛选特定指标值进行时间序列分析与可视化。数据模式设计支持透视表操作，便于构建国家×年份的矩阵结构，为计量经济学建模或面板数据分析提供结构化输入。

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数据库整理发布，并由Electric Sheep Africa于2025年重新打包至HuggingFace平台。数据集聚焦非洲40个国家1996至2025年间按性别和经济活动划分的受雇人员实际周均工作小时数，包含32,055条观测记录。其核心研究问题在于揭示非洲劳动力市场中工作时间的结构性差异，为劳动经济学、性别研究与可持续发展目标（SDG）中的体面劳动指标提供量化支撑。作为ILO权威劳动统计体系的关键组成部分，该数据集填补了非洲区域精细工时数据的空白，对推动非洲劳动政策制定、跨国比较分析及机器学习模型训练具有重要价值。

当前挑战

该数据集面临的挑战主要体现在三个方面：首先，非洲国家劳动力调查数据来源多样且质量参差不齐，ILO虽通过ICLS定义进行协调，但观测状态标记为“不可靠”的数据仍占一定比例，这为时间序列预测与分类任务的信度带来隐忧。其次，数据集仅收录年度频率，缺失月度或季度细粒度信息，难以捕捉季节性波动对工作时间的短期影响。最后，构建过程中需处理多源异构数据的对齐与缺失值问题，例如部分国家关键年份数据完全空缺，且性别与经济活动的交叉分类维度可能导致样本稀疏性，进而影响多变量回归与因子分析模型的稳定性。

常用场景

经典使用场景

在劳动经济学与发展经济学交叉领域中，该数据集的核心用途聚焦于非洲地区就业质量的时间序列建模与跨性别劳动供给分析。研究者可基于‘每周实际工作小时数’这一核心指标，结合性别与经济活动分类维度，构建面板数据模型以揭示非洲各国工作时间的演变规律。其经典范式包括利用差分GMM或固定效应模型，控制国家与年份双向效应，估计性别间工作时间差距的收敛趋势，或评估产业结构转型对劳动投入强度的影响。此外，该数据作为ILOSTAT官方统计的精华子集，天然适配于联合国可持续发展目标（SDG 8.5）中‘体面工作与充分就业’的量化监测任务，是检验非洲大陆自贸区政策效应的理想观测基础。

解决学术问题

该数据集系统性地填补了非洲区域劳动统计在标准化工时指标上的长期缺位，解决了先前研究中因数据碎片化而难以开展跨国面板分析的困境。它使得学术界得以首次以40个国家近三十年的统一口径数据，实证检验‘时间贫困’假说在非洲的适用性——即女性因无偿照料劳动挤压而有偿工作时间显著少于男性的结构性不平等问题。通过性别细分字段，数据为分解劳动市场性别差异的‘选择效应’与‘歧视效应’提供了关键支撑，并允许研究者利用分类维度考察非正规就业对工时波动的影响机制。其统计价值在于将ILO的国际可比性标准延伸至非洲语境，为修正经典Lewis二元经济模型在当代非洲的异质性表现提供了经验锚点。

实际应用

在实际应用层面，该数据集为国际发展机构与非洲各国劳动部门的政策评估提供了精准的量化工具。例如，世界银行与非洲开发银行可基于年度工时数据，动态监测工程项目雇员劳动强度的合理性，预警过劳风险与就业质量下滑。非政府组织则可利用性别分组数据，设计针对性的女性劳动权益干预方案，评估缩短法定工时对家庭福利的实际影响。企业层面，跨国制造企业在肯尼亚、埃塞俄比亚等国设厂时，可参照该数据建立本地化的劳动排班基准模型，优化生产效率与员工满意度的平衡。此外，该数据与非洲新冠疫情后就业复苏研究高度相关，能够量化工时弹性恢复路径，为‘体面工作’目标的进度追踪提供年度快照。

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和经济活动划分的周均实际工作小时数，为劳动经济学中的时间利用与劳动力市场结构性差异研究提供了关键支撑。在非正规经济占主导、性别劳动参与率差异显著的非洲大陆，该数据助力学者追踪后疫情时代工时恢复轨迹，并评估数字经济对传统就业形态的冲击。结合ILOSTAT的标准化统计框架，该数据集打开了跨国比较分析的窗口，为SDG目标8（体面工作）的量化监测、性别薪酬差距的根源剖析以及非洲大陆自由贸易区政策对劳动时间配置的潜在影响提供了可靠证据，从而推动基于证据的区域发展决策。