electricsheepafrica/africa-ilo-emp-care-sex-ste-nb-care-employment-by-sex-and-status-in-employment-th

这是一个关于非洲37个国家从2000年至2025年按性别和就业状况划分的护理就业（千人数）的表格数据集。数据集包含1,561个观测值，覆盖一个独特指标（EMP_CARE_SEX_STE_NB），数据来源于国际劳工组织（ILO）的ILOSTAT数据库，并经过Electric Sheep Africa重新打包。数据集提供了国家代码、来源、指标、性别、时间、观测值等列，支持表格分类、回归和时间序列预测任务。数据为年度频率，并包含了数据质量说明和注意事项。This is a tabular dataset on care employment by sex and status in employment (thousands) across 37 African countries from 2000 to 2025. It contains 1,561 observations covering one distinct indicator (EMP_CARE_SEX_STE_NB), sourced from the International Labour Organization (ILO) ILOSTAT database and repackaged by Electric Sheep Africa. The dataset includes columns such as country code, source, indicator, sex, time, observed value, and supports tasks like tabular classification, regression, and time-series forecasting. Data is annual in frequency and comes with quality notes and caveats.

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核心统计数据库，通过调用其REST API接口获取指标代码为‘EMP_CARE_SEX_STE_NB’的原始数据，并依据ISO 3166-1 alpha-3标准筛选出非洲37个国家的观测记录。ILOSTAT数据库本身整合了各国劳动力调查、住户收入调查及行政记录等多元来源，并依据国际劳工统计学家会议（ICLS）定义进行数据协调与标准化处理。Electric Sheep Africa团队进一步将这些数据重新打包，以Parquet格式整理成结构清晰的表格，确保数据的一致性与机器学习就绪性。

使用方法

用户可通过HuggingFace的`datasets`库直接加载该数据集，调用`load_dataset()`函数即可获取训练数据并转换为pandas DataFrame进行后续分析。典型用法包括按国家代码（如‘KEN’）筛选特定国家的时序数据，或对单一指标按年份排序绘制时间序列图。还支持将数据透视转换为以年份为行、国家为列的交叉矩阵，便于跨国比较与面板数据分析。数据集以cc-by-4.0许可发布，使用时需同时引用国际劳工组织及Electric Sheep Africa的重新打包版本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于其ILOSTAT统计数据库平台上创建，经Electric Sheep Africa于2025年重新打包发布至HuggingFace，旨在系统记录非洲37国2000至2025年间有偿照护工作者（Paid care workers）的就业状况。数据集聚焦于劳动经济学与性别研究交叉领域，核心研究问题在于揭示不同性别与就业身份（如雇员、自雇者）下照护行业从业规模的演变规律。作为ILO劳动统计体系的重要子集，该数据为评估非洲照护经济、追踪可持续发展目标（SDG）中的体面劳动指标提供了稀缺的纵向结构化信息，对区域劳动力市场分析与跨国比较具有显著学术价值。

当前挑战

领域层面，该数据集直面非洲照护行业就业统计的严峻困境：各国调查周期不一、分类标准分歧（如ILO的ICLS定义与地方实践存在偏差）、性别细分数据稀疏，导致跨时平稳的可比性构建异常困难。构建过程中，ILO需从各国劳动力调查与行政记录中提取异构指标，通过协调处理“最佳来源”选择与系列中断（如注释中‘Break in series’标识）来保证一致性；Electric Sheep Africa在重打包时则需应对部分国家观测值稀少（如科特迪瓦仅32条）、数据质量标志多样（如‘U’不可靠标签）等问题，以确保机器学习管线能有效处理该类时序表格任务中的稀疏性与标注不确定性。

常用场景

经典使用场景

在劳动经济学与性别研究的交叉领域中，该数据集被广泛用于探究非洲地区有偿照护工作的时空分布格局。研究者可基于其包含的37个非洲国家、跨越四分之一个世纪的面板数据，系统分析不同性别与就业身份人群在照护行业中的参与特征。通过构建时间序列模型或固定效应回归，该数据能够揭示照护工作者规模随经济发展阶段、社会保障制度变迁而呈现的动态演化规律，为理解非洲劳动力市场的结构性转型提供关键的量化支撑。

解决学术问题

该数据集的构建有效填补了非洲地区照护经济实证研究的长期空白。在学术层面，它解决了三个核心问题：一是突破传统劳动力统计仅关注总量而忽视性别维度的局限，提供了按性别分解的照护就业数据；二是为检验‘照护劳动女性化’等经典社会学假说提供了跨国面板证据；三是通过就业身份分类（如自雇与受雇），使研究者能够深入探讨非正规就业在照护行业中的渗透程度及其与劳动权益保障的关联机制。这些贡献显著推动了发展经济学与性别平等议题的交叉创新。

实际应用

在实际应用中，该数据集为国际组织与非洲各国政府的劳动政策制定提供了可操作的数据基石。例如，国际劳工组织可据此评估各国在可持续发展目标（特别是SDG 5性别平等与SDG 8体面劳动）方面的进展，并识别照护行业就业质量的短板。各国劳动部门则能利用时间序列数据监测照护工作者的就业波动，优化技能培训计划与社会保护覆盖范围。此外，非政府组织可基于此数据定位照护劳动密集区域，设计针对性的妇女经济赋权项目，实现从宏观洞察到微观干预的有效转化。

数据集最近研究

最新研究方向

该数据集聚焦于非洲37国2000至2025年间按性别和就业身份分类的有偿护理工作者就业数据，为揭示非洲大陆护理经济中的性别分化与就业结构演变提供了关键定量基础。伴随全球对无偿照料劳动价值的重新审视以及非洲“人口红利”与“护理赤字”并存的现实热点，该数据可支撑前沿研究如基于时间序列建模探究性别就业差距的动态收敛或扩大趋势，通过面板回归分析护理行业正规化进程与宏观经济因素（如GDP、城市化率）的关联，并服务于联合国可持续发展目标5（性别平等）和8（体面劳动）的进度监测。其细粒度分类与跨25年观测周期，为非洲劳动经济学与性别研究领域开辟了从描述性统计向因果推断与政策模拟转型的实证路径。