electricsheepafrica/africa-ilo-emp-tpif-sex-rt-share-of-tourism-sector-employment-outside-the-for

该数据集包含关于非洲旅游行业就业在正规部门外占比的统计数据，涵盖22个非洲国家，时间跨度为2012年至2025年，包含183个观测值和1个核心指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API提取并经过标准化处理。数据集提供了国家代码、年份、指标值、性别细分（总计、男性、女性）以及数据来源和质量标记等信息，适用于表格分类、回归和时间序列预测等机器学习任务。This dataset contains statistics on the share of tourism sector employment outside the formal sector in Africa, covering 22 African countries from 2012 to 2025, with 183 observations and 1 core indicator. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, extracted via API and normalized. It includes country codes, years, indicator values, sex disaggregation (total, male, female), and data source and quality flags, suitable for tabular classification, regression, and time-series forecasting machine learning tasks.

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数据库，聚焦于非洲地区旅游部门非正规就业的比率。研究人员通过ILOSTAT的REST API直接提取原始指标数据，并依据非洲ISO3国家代码进行筛选和过滤。ILOSTAT本身遵循国际劳工统计学家会议（ICLS）的定义，对来自劳动力调查、住户收入调查及行政记录等多元渠道的微观数据进行标准化整合，确保指标口径的一致性与可比性。随后，Electric Sheep Africa团队对这些数据进行重新封装，转化为符合HuggingFace数据集规范的Parquet格式，最终生成包含183条观测记录的紧凑型数据集，覆盖22个非洲国家从2012年至2025年的年度时间序列。

使用方法

该数据集可通过HuggingFace的`datasets`库便捷调用，仅需一行代码即可加载为Pandas DataFrame格式，适用于表格分类、回归及时间序列预测任务。用户可依据`ref_area`字段筛选特定国家，或利用`time`与`obs_value`字段绘制核心指标的时序演化曲线。如需构建国家间的横向对比，可借助`pivot_table`函数将数据重塑为以年份为行、国家为列的矩阵形式。此外，`sex`字段支持对数据按性别分层分析，满足差异化的研究需求。为保障数据质量，建议用户在分析前关注`obs_status`与`note_indicator.label`等字段，以识别可能存在的断点或修订记录，从而做出更严谨的推断。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计数据库ILOSTAT创建，并由Electric Sheep Africa于2025年重新整理发布，专注于非洲22个国家2012至2025年间旅游部门非正规就业的占比情况。旅游业的就业形态在非洲具有显著的二元性，非正规部门吸纳了大量劳动力，但相关数据的系统收集与跨时空可比性长期匮乏。该数据集通过整合多国劳动力调查与行政记录，首次以统一指标（EMP_TPIF_SEX_RT）揭示了旅游就业的非正规化程度，为研究非洲劳动力市场的结构性特征、非正规经济与可持续发展目标（SDG）之间的关联提供了关键数据支撑，对区域政策制定与学术研究具有基础性价值。

当前挑战

该领域面临的核心挑战在于旅游部门非正规就业的界定与测量。不同国家对非正规部门定义不一，且家庭调查、企业调查等数据源的统计口径与抽样方法差异显著，导致跨国比较困难。数据构建过程中，整合ILOSTAT来自22国、多种来源（如劳动力调查）的异构数据时，需处理缺失值、序列中断（非连续年份）、分类标准变更（如方法论修订）等问题。此外，部分国家数据稀疏（如仅3个观测值），且时间跨度不完整，限制了时间序列分析与面板回归的统计效力，需谨慎处理数据不均衡与代表性偏差。

常用场景

经典使用场景

该数据集汇集了非洲22个国家2012至2025年间旅游部门非正规就业占比的年度观测数据，共计183条记录。在学术研究领域，它最经典的使用场景是作为面板数据进行跨国家、跨时间维度的比较分析，用以刻画非洲旅游就业的非正规化动态演变趋势。研究者可借助此数据集，结合性别维度（总、男、女）的细分指标，深入探究不同社会和经济发展背景下旅游劳动市场的结构特征。数据以标准化格式呈现，提供了国家代码、年份、观测值及数据来源标记等核心字段，便于直接用于统计建模与机器学习任务。

解决学术问题

该数据集直接回应了发展经济学与劳动经济学中关于非正规就业与旅游产业交叉领域的核心学术问题。其价值在于填补了非洲地区旅游部门非正规就业量化研究的空白，为探讨旅游经济增长与劳动权益保障之间的张力提供了实证基础。通过分析非正规就业占比的变化，学者能够检验制度质量、性别平等政策、以及劳动力市场规制对旅游就业形式的调节作用。数据集的引入推动了关于可持续旅游与体面劳动议程的量化对话，促使研究者反思传统旅游就业统计中忽略的非正规维度，对完善国际劳动组织（ILO）倡导的体面劳动指标体系具有重要支撑作用。

实际应用

在实际应用层面，该数据集为非洲各国旅游政策制定者与国际发展机构提供了宝贵的决策参考。通过追踪非正规就业在旅游部门中的占比，政策分析者可以识别出哪些国家或区域旅游就业的非正规化程度较高，从而有针对性地设计正规化激励措施，如简化企业注册流程、提供社会保障覆盖或开展职业技能培训。旅游企业也可利用该数据评估目标市场的劳动环境风险，优化其企业社会责任战略。此外，数据集的年度时间跨度支持动态监测，有助于评估政策干预的阶段性成效。对于关注非洲旅游发展的非政府组织而言，该数据是游说改善劳动条件、倡导性别平等的有力证据来源。

数据集最近研究

最新研究方向

在非洲旅游业非正规就业的量化评估与可持续发展研究领域，该数据集为分析非洲22国旅游部门非正规就业份额的时空演变提供了关键支撑。当前前沿方向聚焦于利用此时间序列数据（2012-2025年）结合ILO劳动统计标准，揭示非正规就业与旅游业韧性之间的动态关联，特别是在新冠疫情后旅游业复苏与体面工作目标（SDG 8）的交叉议题中。数据集支持多维度性别分解，为探讨旅游经济中性别差异与非正规就业的结构性成因开辟了路径，同时其与ILOSTAT其他指标的联动能力，赋能了评估政策干预效果（如非洲大陆自贸区对旅游劳工正规化的影响）的计量研究，对推动非洲包容性增长具有显著的数据基础意义。