electricsheepafrica/africa-ilo-emp-xtru-sex-edu-geo-nb-time-related-underemployment-by-sex-education-and

该数据集包含了非洲31个国家在2003年至2025年期间的时间相关不充分就业统计数据，总计5,214个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API获取并过滤为非洲国家。数据集的核心指标是EMP_XTRU_SEX_EDU_GEO_NB，即按性别、教育水平和城乡区域划分的时间相关不充分就业（以千人为单位）。数据提供了详细的分类维度，包括性别（总计、男性、女性）、教育水平分类和地理区域类型。数据模式包含国家代码、国家名称、数据来源、指标代码、分类变量、观测年份、观测值、观测状态标志以及相关注释等信息。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 5,214 observations of time-related underemployment data across 31 African countries, spanning the years 2003 to 2025. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via its REST API and filtered to African country codes. The core indicator is EMP_XTRU_SEX_EDU_GEO_NB, which measures time-related underemployment by sex, education level, and rural/urban areas (in thousands). The dataset includes detailed disaggregation dimensions such as sex (total, male, female), education classification, and geographic area type. The schema comprises columns for country code, country name, data source, indicator code, classification variables, observation year, observed value, observation status flags, and related notes. The dataset is repackaged by Electric Sheep Africa as part of 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统计数据库（ILOSTAT），由Electric Sheep Africa团队进行工程化再包装与元数据标准化。构建过程以非洲区域为地理边界，提取2003至2025年间31个非洲国家的劳动力市场统计记录，聚焦于按性别、教育程度及城乡地域分类的时间相关就业不足指标。原始数据经由结构化整理后转换为Parquet格式，并辅以统一的元数据描述、来源标注与许可声明，最终形成可直接用于分析与建模的公开数据集。

特点

数据集涵盖5214条观测记录，时间跨度逾二十年，覆盖非洲31个国家，具备显著的面板数据特征。其核心变量围绕时间相关就业不足展开，并依据性别、教育层次与城乡属性进行交叉细分，单位为千人。数据以表格与文本模态呈现，规模处于1K至10K之间，采用CC BY 4.0许可协议，兼顾可获取性与合规性。元数据标注了来源机构与地域范围，但部分字段如ISO3国家编码及上游发布者信息尚未完整声明，需在使用时加以核实。

使用方法

研究者可通过Hugging Face datasets库加载该数据集，利用load_dataset函数获取数据对象并检视其结构与特征。对于表格型数据，可将其转换为Pandas数据框以便进行统计分析与可视化。使用过程中应优先查阅仓库文件与数据查看器，确认变量定义、单位及缺失值处理规则。建议在建模前进行模式检查与缺失性剖析，并可依据国家、年份及指标字段与其他Electric Sheep Africa数据集进行联结，以构建可复现的分析流程。

背景与挑战

背景概述

在非洲劳动力市场研究中，非充分就业的精细化测度长期受制于数据稀缺与跨国可比性不足。国际劳工组织统计数据库（ILOSTAT）作为全球劳工统计的权威来源，于2003年至2025年间持续采集非洲地区与时间相关的非充分就业数据。Electric Sheep Africa在此基础上对原始数据进行标准化封装，构建了涵盖31个非洲国家、5,214条观测值的结构化数据集，按性别、教育程度及城乡地域细分，为探究非洲非充分就业的结构性差异提供了可复现的数据基础，对劳动经济学与区域发展研究具有重要参考价值。

当前挑战

该数据集所面对的核心领域难题在于非洲非充分就业的多维异质性刻画，即如何同时兼顾性别、教育层级与城乡分布三重维度下的统计可比性。构建过程中的挑战同样不容忽视：各国劳工统计口径与采集频率参差不齐，导致时间序列存在断点；部分国家缺失ISO3代码及上游发布者元数据，地理归属仅能由标题推断；教育分类标准在各国间缺乏统一映射，且大量缺失值不宜简单插补。上述问题对跨国比较分析与时序建模的可靠性构成了实质性制约。

常用场景

经典使用场景

在劳动经济学与就业统计研究中，该数据集通常被用于刻画非洲地区劳动力市场中与时间相关的隐性就业不足现象。研究者借助其按性别、教育程度与城乡区域细分的数千条观测记录，得以在横截面与时间序列上同时审视劳动力未被充分使用的结构性特征。此类面板型表格数据最适合开展描述性统计、跨国比较以及分组回归，从而揭示不同人口学群体在劳动时间配置上的系统性差异。

衍生相关工作

作为Electric Sheep Africa元数据目录的组成部分，该数据集催生了若干围绕非洲公开数据再利用的工程与研究工作，包括标准化的Hugging Face数据加载范式、跨国劳动指标的可复现分析流水线，以及与ILOSTAT其他指标数据集的联结研究。这些衍生工作推动了非洲劳动统计数据的机器学习就绪化，并为后续关于就业质量与人力资本的综合研究奠定了基础。

数据集最近研究

最新研究方向

在非洲劳动力市场深度转型的学术语境下，该数据集依托ILOSTAT的权威统计框架，聚焦于时间相关就业不足这一隐性劳动力闲置指标，近期研究正沿循性别、教育程度与城乡区位的多维交叉路径展开。学者们借助2003至2025年间覆盖31个非洲国家的5,214条观测记录，着力揭示不同受教育群体在城乡空间中的就业时长约束差异，并将其与非洲大陆自由贸易区建设、青年就业危机及非正规经济扩张等热点议题相勾连。该数据集的前沿价值在于为劳动经济学中的结构性剥夺研究提供可复现的跨国面板证据，推动政策制定者从单纯失业率监测转向对就业质量与工时福利的精细化评估，对实现非盟2063议程中的包容性增长目标具有实证支撑意义。