electricsheepafrica/africa-ilo-emp-stem-sex-geo-nb-employment-in-stem-occupations-by-sex-and-rural-ur

该数据集包含917条观测记录，覆盖32个非洲国家，时间跨度为2009年至2025年，主要指标为EMP_STEM_SEX_GEO_NB，即按性别和城乡地区划分的STEM（科学、技术、工程和数学）职业就业人数（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过Electric Sheep Africa重新打包，用于机器学习任务，如表格分类、回归和时间序列预测。数据集以结构化表格形式呈现，包含国家代码、年份、性别分类（总计、男性、女性）、观测值、数据来源和质量标志等列。它提供了非洲地区STEM劳动力市场的年度统计信息，适用于经济分析、政策研究和预测模型开发。This dataset contains 917 observations across 32 African countries, spanning from 2009 to 2025, with the primary indicator EMP_STEM_SEX_GEO_NB, representing employment in STEM occupations by sex and rural/urban areas (in thousands). Sourced from the International Labour Organization (ILO) ILOSTAT database and repackaged by Electric Sheep Africa, it is designed for machine learning tasks such as tabular classification, regression, and time-series forecasting. The data is structured in a tabular format with columns including country codes, year, sex disaggregation (total, male, female), observed values, data sources, and quality flags. It provides annual statistics on STEM labor markets in Africa, suitable for economic analysis, policy research, and predictive modeling.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa团队从ILOSTAT REST API直接抽取并过滤得到，数据源为国际劳工组织（ILO）的中央统计数据库。构建过程中，团队以ISO3国家代码为筛选条件，仅保留非洲地区的观测记录，并基于国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行协同化处理。数据最终以Parquet格式打包，确保机器学习就绪的兼容性，同时保留source.label列以追溯数据来源，体现了严谨的数据治理流程。

特点

数据集涵盖2009至2025年间32个非洲国家共917条观测记录，聚焦于STEM职业从业人数的性别与城乡地域细分指标。每条记录包含ref_area、sex、classif1等维度列，可支持按性别（男、女、合计）和地域类型（国家、城乡）的多层级分析。数据还附带obs_status状态标识及note_indicator注释字段，用于标记数据质量（如不可靠或方法修订），为研究者的稳健性评估提供了透明依据。

使用方法

用户可通过HuggingFace Datasets库以load_dataset()函数一键加载数据，并利用to_pandas()方法转换为DataFrame进行后续分析。典型操作包括按国家筛选（如ref_area=='KEN'）、按指标排序绘制时间序列折线图，或通过pivot_table构建国家×年份的观测值矩阵。数据集预置了完整的列模式说明与代码示例，降低了非结构化劳动统计数据的处理门槛，尤其适合区域劳动力市场比较与SDG指标追踪研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年整理并发布，经Electric Sheep Africa团队重新包装后上线于HuggingFace平台，聚焦非洲32个国家在2009至2025年间STEM（科学、技术、工程、数学）职业的就业状况。其核心研究问题在于揭示非洲大陆STEM领域就业的性别差异和城乡分布，为劳动力市场分析、可持续发展目标（SDG）中体面工作指标的监测提供数据基础。数据集源自ILOSTAT这一全球劳动统计权威数据库，通过整合各国劳动力调查等原始微观数据，经国际劳工统计学家会议（ICLS）定义统一化处理，形成横跨917个观测值的结构化时间序列数据。作为非洲区域首个结构化、可复用的STEM就业统计数据集，它为研究者、政策制定者和开发者在机器学习、时间序列预测和分类任务中提供了宝贵资源，推动了非洲劳动经济学与数据科学交叉领域的实证研究。

当前挑战

该数据集所解决的领域问题主要包括：一是非洲STEM就业数据的碎片化和不可比性，不同国家统计口径、调查频率和分类标准差异巨大，导致跨区域、跨时间分析的困难；二是STEM就业的性别统计和城乡分布信息长期缺失或不可获取，制约了劳动力市场不平等问题的量化研究。在构建过程中，数据集面临的主要挑战有：数据来源的异构性与质量参差，ILOSTAT从多国劳动力调查、家庭收入调查和行政记录中整合数据，部分国家样本量极小或数据为非连续年际观测，如埃及（135行）与斯威士兰（27行）数据密度差异悬殊；观测状态的可靠性标注（如‘U’表示不可靠）及方法修订导致的序列中断（如‘I11:264’标注），使得时间序列分析需额外处理缺失和标志性信息；此外，性别与城乡分类维度仅包含少量唯一值，限制了更细粒度的人口统计学拆解能力。

常用场景

经典使用场景

该数据集汇聚了国际劳工组织ILOSTAT数据库中来自32个非洲国家、横跨2009至2025年的STEM领域就业数据，按性别和城乡地域进行细致分层。其经典使用场景在于构建面板数据模型，以时间序列与截面结合的视角，揭示非洲大陆不同国家在STEM劳动力吸纳能力上的异质性趋势。研究者可通过按性别或地域类别过滤的子样本，精准追踪某一特定群体在STEM岗位中的参与度演变，进而为劳动经济学与区域发展研究提供稳健的数据支撑。

解决学术问题

该数据集破解了非洲地区高分辨率STEM就业统计长期匮乏的困境，为量化分析性别在科技劳动力市场中的结构性不平等、城乡区域间人力资本配置失衡等关键议题奠定了计量基础。通过这一标准化、可复现的数据桥梁，学者得以系统验证制度变革、教育扩张或产业政策对STEM就业渗透率的差异化干预效果，从而推动发展经济学中关于技术型人才流动与包容性增长之间因果机制的深入探讨。

衍生相关工作

围绕此数据集，衍生出一系列利用ILO统计框架与机器学习方法相结合的学术工作，包括以多层线性模型评估非洲国家STEM就业的性别鸿沟收敛轨迹，以及借助时空图神经网络预测城乡劳动力市场中的技能错配风险。此外，该数据集已被整合进非洲劳动力市场动态监测的集成学习系统中，通过与教育、贸易等其他面板数据的联合建模，催生了关于技术变革对非正规就业替代效应的高阶实证研究，拓宽了劳动计量与计算社会科学的交叉视野。