electricsheepafrica/africa-ilo-emp-temp-sex-ocu-dsb-nb-employment-by-sex-occupation-and-disability-status

这是一个关于非洲国家按性别、职业和残疾状况划分的就业数据集，包含4,478个观测值，覆盖39个非洲国家，时间跨度为1998年至2025年。数据源自国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤到非洲地区，主要指标为EMP_TEMP_SEX_OCU_DSB_NB（就业按性别、职业和残疾状况划分，以千计）。数据集以表格形式呈现，包括国家代码、指标、性别分类、时间年份、观测值等列，适用于表格分类、回归或时间序列预测等任务。数据经过ILO的统计标准化处理，并包含来源和质量标志，可用于劳动力市场分析和机器学习应用。This dataset contains employment data by sex, occupation, and disability status for Africa, with 4,478 observations across 39 African countries spanning from 1998 to 2025. It is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via API and filtered to African ISO3 country codes. The primary indicator is EMP_TEMP_SEX_OCU_DSB_NB (Employment by sex, occupation and disability status in thousands). The data is presented in tabular format with columns such as country code, indicator, sex disaggregation, time year, observed value, and quality flags, suitable for tasks like tabular classification, regression, or time-series forecasting. It has been harmonized using ILO statistical standards and includes source traceability, making it useful for labor market analysis and machine learning applications.

搜集汇总

数据集介绍

构建方式

在全球劳动力市场监测体系中，按性别、职业与残疾状况分列的就业数据长期是评估包容性增长的关键指标。该数据集源自国际劳工组织中央统计数据库ILOSTAT，由Electric Sheep Africa进行标准化再封装，原始数据经提取、清洗与格式转换后，以parquet格式发布。构建过程保留了源数据库的指标口径与单位定义，未对缺失值进行插补，整体覆盖39个非洲国家，时间跨度为1998年至2025年，共计4478条观测记录，并附以标准化元数据与来源注释，以增强非洲数据发现的可追溯性。

使用方法

使用者可通过Hugging Face的datasets库直接加载该数据集，调用load_dataset函数并传入仓库标识即可获取数据对象，随后可查看特征结构与样本切片。当数据为表格型时，可将其转换为Pandas数据框以进行探索性分析、缺失值剖面与地理及时间维度的分组统计。该数据集亦可依据显式国别、年份与指标字段与其他Electric Sheep Africa数据集进行连接，构建可复现的分析流程。在建模或政策解读前，应核对源文件中的变量定义、单位与方法说明，并妥善处理缺失值。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于全球劳动力市场统计数据的编纂与标准化，其ILOSTAT数据库已成为劳动经济学研究的基石资源。在此背景下，Electric Sheep Africa于2026年对ILOSTAT中非洲区域按性别、职业及残疾状况分列的就业数据进行了标准化重包装，覆盖39个非洲国家、1998至2025年间的4478条观测记录。该数据集直面非洲劳动力市场中残疾群体就业边缘化的核心问题，为性别与残疾交叉视角下的就业不平等研究提供了稀缺的跨国面板证据，对推动非洲包容性就业政策制定具有显著的实证参考价值。

当前挑战

该数据集所应对的领域问题在于：非洲各国残疾定义标准不一、职业分类体系存在国际版本差异，导致跨国比较面临统计口径异质性的严峻障碍；同时，残疾状态与就业的交叉统计在多数非洲国家尚属薄弱环节，数据稀疏与系统性缺失并存。构建过程中，Electric Sheep Africa需从异构的ILOSTAT原始档案中提取并统一指标口径，解决国家列缺失、发布机构元数据不完整等溯源难题，并在标准化元数据的同时保留原始缺失模式，以避免因不当插补而扭曲残疾群体就业状况的真实图景。

常用场景

经典使用场景

在劳动经济学与残障就业研究的交叉领域，该数据集构筑了以性别、职业与残障状态为三维骨架的非洲就业统计图景，涵盖1998年至2025年间39个非洲国家的4478条观测记录。研究者通常将其用于剖析残障群体在职业结构中的分布态势，比较不同性别与残障状态组合下的就业密度差异，并借助面板数据结构追踪非洲各国劳动力市场中残障包容程度的时序演变，进而为跨国比较分析提供统一口径的量化基准。

解决学术问题

长期以来，非洲地区残障人口就业状况的系统性统计证据极为匮乏，既有研究多受限于国别数据割裂与口径不一，难以支撑跨国比较与趋势推断。该数据集通过标准化整合国际劳工组织统计数据库的原始记录，缓解了残障就业研究中样本覆盖狭窄、指标定义模糊与时间序列断裂等突出问题，为检验残障与就业之间的结构性关联提供了可复现的实证材料，对推动包容性劳动市场政策的循证制定具有基础性意义。

实际应用

在实际应用层面，该数据集可服务于国际组织与非洲各国劳动部门的就业监测与政策评估工作，帮助识别残障群体在特定职业类别中的就业短板与性别差距。非政府组织与残障权益倡导机构可据此设计针对性的职业培训与就业扶持方案，企业人力资源部门亦可参考其职业分布特征优化多元包容招聘策略，同时为社会科学研究者构建跨国劳动力市场比较模型提供可靠的数据支撑。

数据集最近研究

最新研究方向

在全球劳动统计体系日益强调包容性与公平性的背景下，残障群体的就业参与及其职业结构分布已成为劳动经济学与可持续发展研究的交汇热点。该数据集依托国际劳工组织ILOSTAT的权威统计框架，覆盖39个非洲国家1998至2025年间按性别、职业与残障状态划分的就业观测数据，为剖析非洲劳动力市场中残障人士的职业隔离、性别交叉不平等及结构性排斥提供了稀缺的量化基础。近年来，随着联合国《残疾人权利公约》履约评估与非洲联盟《2063年议程》的推进，研究者愈发关注残障状态与职业层级之间的关联机制，该数据集以其长时段跨国可比性，支撑起残障就业差距的时序演变分析、非正规经济中残障劳动者的隐性边缘化测度，以及性别与残障双重劣势的交互效应识别，对推动非洲包容性就业政策制定与循证干预具有切实的方法论价值与政策意涵。