electricsheepafrica/africa-ilo-sdg-b852-sex-age-rt-sdg-indicator-8-5-2-unemployment-rate-by-sex-and-a

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的失业率数据，具体针对联合国可持续发展目标（SDG）指标8.5.2，即按性别和年龄分列的失业率（基于第19届国际劳工统计学家会议（ICLS）定义）。数据集覆盖非洲24个国家，时间跨度为2016年至2025年，共包含693个观测值。数据通过ILOSTAT REST API获取，并经过过滤以仅包括非洲国家。数据集提供了详细的列结构，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、观测值及其状态标志等。该数据集旨在支持表格分类、表格回归和时间序列预测等任务，适用于劳动力市场分析和可持续发展目标监测。This dataset contains unemployment rate data from the International Labour Organization (ILO) ILOSTAT database, specifically for Sustainable Development Goal (SDG) indicator 8.5.2, which measures the unemployment rate by sex and age based on the 19th International Conference of Labour Statisticians (ICLS) definition. It covers 24 African countries from 2016 to 2025, with 693 observations. The data is retrieved via the ILOSTAT REST API and filtered to include only African countries. The dataset includes detailed schema with columns such as country codes, country names, data sources, indicator codes, sex disaggregation, age classification, observation year, observed values, and status flags. It is designed for tasks like tabular classification, tabular regression, and time-series forecasting, supporting labor market analysis and SDG monitoring.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa团队基于国际劳工组织（ILOSTAT）和联合国可持续发展目标（SDG）公开数据整理构建，聚焦非洲地区失业率指标。数据源自联合国SDG数据平台，经标准化处理、清洗与格式转换后，以Parquet格式发布。构建过程整合了24个非洲国家2016至2025年间的693条观测记录，涵盖性别与年龄维度的失业率数据，并附带元数据说明与来源注释，确保数据可追溯与可复用。

特点

数据集以表格与文本混合模态呈现，体量精简（n<1K），涵盖非洲24国的失业率统计，时间跨度为2016至2025年。数据按性别和年龄分组，对应SDG指标8.5.2，采用第19届国际劳工统计学家会议（ICLS）标准。标签体系包含经济学、劳动就业、性别平等多个维度，并附有许可证、来源及质量注释，便于跨领域分析与政策研究。

使用方法

研究者可通过Hugging Face的datasets库加载数据集，使用load_dataset函数获取数据，并转换为Pandas DataFrame进行表格分析。建议在使用前检查数据模式与缺失值，结合国家、年份和指标字段进行分组或时序分析。该数据集可与其他Electric Sheep Africa数据集或外部劳工统计来源进行关联，以支持可复现的研究工作流。

背景与挑战

背景概述

在可持续发展目标（SDGs）监测框架下，体面劳动与经济增长的量化评估长期依赖可靠、可比的劳动力市场指标。该数据集由Electric Sheep Africa工程化发布，源自国际劳工组织ILOSTAT与联合国SDG数据体系，聚焦SDG指标8.5.2，即按性别与年龄分组的失业率，采用第19届国际劳工统计学家会议（ICLS）标准。其覆盖24个非洲国家、2016至2025年间693条观测记录，以标准化元数据与Parquet格式封装，为非洲区域劳动经济研究提供了可复现的数据基点，并增强了区域数据在机器学习工作流中的可发现性与互操作性。

当前挑战

该数据集所回应的领域问题在于，非洲劳动力市场统计长期面临口径不一、性别与年龄维度信息稀疏以及跨国可比性不足等困境，难以支撑精准的失业结构分析。构建过程中，数据整合需协调ILOSTAT与联合国SDG两大来源的指标定义、单位与估算方法差异，并应对元数据中country与upstream_publisher等字段缺失、样本量有限导致的稀疏性，以及地理标识仅由标题或来源隐含所带来的归属不确定性。这些因素共同制约了模型推断的稳健性与结论外推的可靠性。

常用场景

经典使用场景

在劳动经济学与可持续发展目标（SDG）监测领域，该数据集最经典的使用场景在于按性别与年龄组别刻画非洲各国失业率的分布特征与时间演变轨迹。研究者通常将693条观测值加载为表格型数据，借助分组统计与趋势分析，考察青年群体、女性劳动者等特定人口学维度在2016至2025年间的失业风险暴露程度，并利用可视化手段呈现跨国异质性，为后续计量建模提供描述性基础。

衍生相关工作

围绕该数据集，Electric Sheep Africa目录体系衍生出一系列面向非洲公共数据的机器学习就绪型资源，包括可与本数据集按国家、年份及指标字段联接的其它ILOSTAT与联合国SDG数据集。这些衍生工作推动了非洲劳动统计数据的标准化封装、开放获取与可复现分析流程建设，为后续跨国面板研究、失业率预测模型及性别就业差距研究提供了可扩展的数据基础与方法参考。

数据集最近研究

最新研究方向

在非洲劳动力市场监测与可持续发展目标评估领域，该数据集为探究性别与年龄维度下失业率的异质性提供了关键实证基础。前沿研究聚焦于结合国际劳工组织第19届国际劳工统计学家会议标准，分析非洲24国2016至2025年间失业结构的演变，尤其关注青年与女性群体在非正规经济中的边缘化问题。当前热点包括将此类指标与劳动力参与率、教育程度及数字经济转型数据交叉，以揭示结构性失业的驱动机制。该数据集的标准化元数据与开放许可促进了跨区域比较及机器学习模型在就业预测中的应用，对政策制定者设计针对性干预措施、追踪SDG 8.5.2进展具有重要参考价值。