electricsheepeurope/europe-ilo-emp-stem-sex-age-nb-employment-in-stem-occupations-by-sex-and-age-thou

该数据集包含欧洲15个国家从2001年至2025年按性别和年龄划分的STEM（科学、技术、工程和数学）职业就业数据（以千人为单位），共计5,056个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过其REST API获取，并经过Electric Sheep Europe重新打包以便于机器学习使用。数据集涵盖了单一指标EMP_STEM_SEX_AGE_NB，提供了国家代码、年份、性别分类（总计、男性、女性）、年龄组、观测值以及数据来源和质量标志等字段。它旨在支持表格分类、回归和时间序列预测等任务，适用于劳动力市场分析、性别平等研究和经济趋势预测。This dataset contains 5,056 observations of employment in STEM (Science, Technology, Engineering, and Mathematics) occupations by sex and age (in thousands) across 15 European countries from 2001 to 2025. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via its REST API, and repackaged by Electric Sheep Europe for machine learning readiness. It covers a single indicator EMP_STEM_SEX_AGE_NB, with fields including country codes, year, sex disaggregation (total, male, female), age groups, observed values, and data source and quality flags. It is designed for tabular classification, regression, and time-series forecasting tasks, suitable for labour market analysis, gender equality studies, and economic trend prediction.

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织的ILOSTAT统计数据库，通过调用其REST API接口（https://rplumber.ilo.org/data/indicator?id=EMP_STEM_SEX_AGE_NB）获取原始数据，并依据欧洲ISO3国家代码进行地理范围筛选。数据涵盖2001至2025年间15个欧洲国家的劳动力调查微观数据，经由Electric Sheep Europe团队重新整理、规范化为统一的Parquet格式。所有观测值均遵循国际劳工统计学家会议的定义标准，并在source.label列中标注数据来源以确保可追溯性。

特点

数据集蕴含5,056条观测记录，聚焦于STEM领域按性别与年龄划分的就业人数（单位：千）这一核心指标，覆盖欧洲15个国家。其独特之处在于提供sex、classif1等多维度分层变量，支持对性别（男、女、总计）及年龄组进行细致剖析。数据以年频呈现，同时包含观测状态标志和注释字段，便于识别数据的可靠性及相关方法论变更，为纵向比较与跨地域分析奠定了坚实基础。

使用方法

研究人员可通过HuggingFace的datasets库便捷加载该数据集，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。典型操作包括按国家代码筛选特定区域的时间序列数据，对某一指标进行趋势可视化，或利用pivot_table构建国家×年份的观测值矩阵。该数据接口设计简洁，兼容多种统计分析工作流，适用于回归、分类及时序预测等机器学习任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）发布，并由Electric Sheep Europe于2025年重新打包整理，聚焦于欧洲15个国家2001至2025年间STEM（科学、技术、工程与数学）职业就业人数按性别与年龄的细分统计。作为ILOSTAT数据库的核心指标之一，该数据源自各国劳动力调查与行政记录，经ILO统计部门依据国际劳工统计学家会议（ICLS）标准进行统一协调，旨在揭示欧洲地区高技能劳动力市场的结构性特征。在性别平等与科技创新日益成为全球关注焦点的背景下，该数据集为研究STEM领域劳动力参与率的跨国差异、时间演变趋势及政策干预效果提供了宝贵的实证基础，对劳动经济学、教育政策及可持续发展目标（如SDG 5与SDG 8）的量化分析具有重要支撑作用。

当前挑战

该数据集的构建与应用面临多重挑战。首先，从领域问题看，STEM职业的界定标准因国家而异，可能导致跨国比较存在口径偏差；同时，数据覆盖的15个国家在经济发展水平、教育体系及劳动力统计能力上差异显著，部分中小国家样本量有限（如西班牙仅54条记录），削弱了时间序列分析的稳健性。其次，构建过程中，ILO需整合来自不同来源的微观数据，存在统计口径调整（如方法论修订导致的序列中断，以`note_indicator`字段标注）、部分年份数据质量标记为不可靠（`obs_status`标识“U”），以及年度频率无法捕捉季度或月度波动等局限。此外，数据缺失（如某些国家特定年份无记录）和性别、年龄分层后的稀疏性问题，增加了建模与推论分析的复杂度。

常用场景

经典使用场景

在劳动力经济学与教育政策研究的交汇领域，该数据集因其精细的时空与人口维度划分，成为剖析欧洲STEM（科学、技术、工程与数学）就业格局的核心工具。研究者常利用其按性别与年龄细分的就业人数数据，构建面板回归模型或时间序列分析，以追踪2001至2025年间15个欧洲国家STEM从业人员的演变轨迹。其经典应用在于揭示性别平等在技术密集型行业中的实现程度，或是评估不同年龄段劳动力在技术浪潮中的适应能力，从而为区域人才战略的制定提供可量化的实证依据。

实际应用

在实际决策场景中，该数据集支撑着欧盟及成员国层面的劳动力市场监测与政策模拟。政策制定者借助其年度序列数据，评估面向女性的STEM鼓励计划是否带来可量化的就业增长，或判断老龄化社会中青年技术人才的补充速度是否足以弥合退休缺口。教育机构与行业联盟亦依靠这些数据优化专业设置与培训预算的分配，例如识别出哪些年龄段的STEM就业密度持续偏低，从而定向投放职业转型辅导资源，实现从数据洞察到社会干预的有效闭环。

衍生相关工作

围绕这一数据集，衍生出了一系列推动方法创新与知识复用的经典工作。最典型的范例包括构建多国STEM就业的贝叶斯时空预测模型，以及开发将ILOSTAT数据与欧洲统计局教育统计、创新调查进行链接的整合性知识图谱。部分研究团队还基于其性别与年龄的交叉分类字段，训练了可迁移的时序分类器，用以识别就业结构突变点。此外，Electric Sheep Europe围绕该数据打造的标准化ML就绪管道，已被社区采纳为欧洲微观数据重包装的参考范式，催生了多个仿照其schema设计的新数据集。