electricsheepafrica/africa-ilo-eip-5wap-sex-age-rt-inactivity-rate-by-sex-and-age-19th-icls

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的“其他劳动力利用不足指标”数据，具体聚焦于非洲24个国家在2016年至2025年期间按性别和年龄划分的“非活动率”（Inactivity rate by sex and age -- 19th ICLS (%)）。数据集共有693个观测值，涵盖一个核心指标（EIP_5WAP_SEX_AGE_RT），数据通过ILOSTAT REST API直接获取，并过滤为非洲国家代码。数据模式包括国家代码、国家名称、数据来源、指标代码、性别分类、年龄分类、观测年份、观测值、观测状态等列，支持表格分类、回归和时间序列预测任务。数据集由Electric Sheep Africa重新打包，以促进非洲相关机器学习研究，遵循CC-BY-4.0许可。This dataset contains 693 observations of Other measures of labour underutilization data from the International Labour Organization (ILO) ILOSTAT database, specifically focusing on the Inactivity rate by sex and age -- 19th ICLS (%) across 24 African countries from 2016 to 2025. It includes one key indicator (EIP_5WAP_SEX_AGE_RT), with data pulled directly from the ILOSTAT REST API and filtered to Africa ISO3 country codes. The schema comprises columns such as country code, country name, data source, indicator code, sex disaggregation, age classification, observation year, observed value, and observation status, supporting tabular classification, regression, and time-series forecasting tasks. Repackaged by Electric Sheep Africa for machine learning readiness, it is released under the CC-BY-4.0 license.

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中央统计数据库，经由Electric Sheep Africa团队重新打包并发布至HuggingFace平台。构建过程首先通过ILOSTAT提供的REST API接口直接抽取原始指标数据，即特定于非洲地区的非经济活动率（按性别与年龄分组，基于第19届国际劳动统计学家会议定义）。随后，利用非洲ISO3国家代码进行地理范围过滤，仅保留24个非洲国家的观测记录。ILOSTAT本身负责对各国劳动力调查、家庭收入调查等微观数据进行标准化处理，并遵循ICLS定义进行数据协调，最终形成包含693条观测值、覆盖2016至2025年时间跨度的结构化数据集。

特点

该数据集的核心特点在于其高度的专业性与结构化。它聚焦于劳动力利用不足的衡量指标之一——非经济活动率，并提供了按性别和年龄分层的细粒度分解维度。数据覆盖24个非洲国家，时间跨度长达十年，能够支持跨国家与跨时期的比较分析。每条观测记录均包含丰富的元数据，如数据来源标识、观测状态标志以及详细注释，确保了数据的可追溯性和质量透明度。数据集以标准化表格形式呈现，列结构清晰，便于直接进行表格分类、回归分析或时间序列预测等机器学习任务。

使用方法

使用该数据集极为便捷，用户可通过HuggingFace的`datasets`库直接加载，仅需一行Python代码即可获取数据并转换为Pandas DataFrame。加载后，用户可以依据国家代码（如`KEN`）轻松筛选特定国家的子集，或针对单一指标（如`EIP_5WAP_SEX_AGE_RT`）进行时间序列分析与可视化。此外，通过数据透视功能，可以将数据重塑为国家×年份的矩阵形式，便于进行面板数据分析或构建预测模型。该数据集已预先处理为机器学习的即用格式，极大降低了数据清洗与预处理的成本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于其核心统计数据库ILOSTAT中创建，经Electric Sheep Africa于2025年重新整理并发布于HuggingFace平台，旨在提供非洲地区按性别和年龄分层的非经济活动率数据。数据集覆盖24个非洲国家，时间跨度为2016至2025年，共包含693条观测值，核心指标基于第19届国际劳动统计学家会议（ICLS）定义。这一资源的推出填补了非洲劳动力市场精细化数据在公共研究领域的空白，为劳动经济学、发展经济学以及政策评估提供了关键的数据基础，尤其有助于揭示性别、年龄与经济活动参与之间的深层关联。

当前挑战

该数据集所解决的领域核心挑战在于非洲地区劳动力统计数据的碎片化与不统一性。不同国家采用不同的调查方法与统计口径，导致非经济活动率难以跨区域比较。此外，数据构建过程中面临若干挑战：原始数据来源多样，包括劳动力调查、家庭收支调查等，需经ILO统一协调与标准化处理；部分国家观测年份稀疏，时间序列不连续；指标存在中断或方法变更，部分数据标注为“非可靠”或“序列中断”，需谨慎使用。这些因素增加了数据清洗与建模的复杂度，也对用户理解数据质量提出了更高要求。

常用场景

经典使用场景

该数据集汇集了国际劳工组织ILOSTAT数据库中非洲24个国家2016至2025年间按性别和年龄分层的非经济活动率观测值，共计693条记录。其核心价值在于为劳动经济学、发展经济学与公共政策研究提供标准化的时间序列数据。研究者可借此分析非洲区域内不同性别与年龄群体的劳动力市场退出模式，探索非经济活动率的长期趋势、周期性波动及结构变化。数据的高频次国家覆盖与细粒度分组特性，使其成为跨国比较研究、劳动力参与率决定因素分析以及动态面板数据建模的理想基础。

衍生相关工作

该数据集的标准化封装已衍生出若干重要工作。Electric Sheep Africa项目以此为基础构建了统一的非洲机器学习就绪数据集层，为后续的自动化特征工程与多数据源融合提供了范式。在学术领域，已有研究利用其与ILOSTAT的其他指标进行联合分析，探讨非经济活动率与失业率、工资水平间的动态关联。数据中标注的‘最优来源’与序列中断注解，催生了关于劳动力调查方法学一致性评估的方法论文献。此外，该数据集作为公开且可复现的基准，正被用于验证时间序列预测模型在低资源区域上的迁移学习效果，推动了计算社会科学在非洲的发展。

数据集最近研究

最新研究方向

该数据集聚焦于非洲24国2016至2025年间按性别与年龄划分的劳动不充分利用率（inactivity rate），其前沿研究方向紧密围绕后疫情时代非洲劳动力市场的结构性转型与性别鸿沟修复。当前，国际劳工组织（ILO）推动的19届国际劳动统计学家会议（ICLS）标准更新，正促使研究者利用此类精细化面板数据量化被动失业与隐蔽性就业不足的动态演变。热点事件上，非洲大陆自贸区（AfCFTA）加速落地与数字经济的渗透，催生了对非正规部门中女性与青年群体劳动参与率重估的迫切需求；该数据集提供的按年龄与性别分解序列，恰好为模型驱动政策评估提供了时间序列基础，助力识别哪些人口子群正从就业场域被动退出。其深远意义在于弥合了非洲劳动统计中高频、可比性面板数据的缺口，使机器学习方法（如因果推断与面板预测）得以嵌入地方性就业促进方案的设计，从而支撑可持续发展目标中体面工作与经济增长指标的精确追踪。