electricsheepafrica/africa-ilo-ees-care-sex-ins-nb-care-employees-by-sex-and-public-private-sector-th

该数据集包含非洲37个国家从2000年至2025年的有偿护理工作者数据，共有1,481个观测值，覆盖1个具体指标：按性别和公共/私营部门分类的护理员工数量（以千为单位）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过ILOSTAT REST API获取，并经过过滤以仅包含非洲国家。数据集采用表格形式，包含多个字段，如国家代码、国家名称、数据来源、指标代码、性别分类、年份、观测值等，并提供了数据质量说明和使用示例，适用于表格分类、回归和时间序列预测等任务。This dataset contains 1,481 observations of paid care workers data across 37 Africa countries, spanning 2000–2025, covering 1 distinct indicator: Care employees by sex and public/private sector (thousands). The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via the ILOSTAT REST API and filtered to Africa ISO3 country codes. It is provided in tabular format with columns such as country code, country label, source, indicator, sex disaggregation, year, observed value, and includes data quality notes and usage examples, suitable for tabular classification, regression, and time-series forecasting 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，通过REST API直接提取指标代码为EES_CARE_SEX_INS_NB的原始数据，并依据非洲ISO3国家代码进行地理过滤。数据经过ILO基于国际劳工统计学家会议定义的统一标准进行微数据协调，来源标注于source.label列以确保可追溯性。最终由Electric Sheep Africa重新打包为Parquet格式，提供结构化、机器学习友好的数据层。

特点

数据集涵盖2000至2025年间37个非洲国家的1481条观测记录，聚焦于按性别和公共/私营部门划分的有偿照护从业人员数量（单位：千）。其核心特点在于多维度分类，包括性别（总计、男性、女性）以及制度部门（公共/私营），同时提供观测状态、来源、注释等元数据字段，便于用户评估数据质量与连续性。

使用方法

用户可通过HuggingFace的datasets库轻松加载数据，使用load_dataset函数直接获取训练集并转换为pandas DataFrame。进一步，可针对特定国家（如kenya）进行过滤，或按指标进行时间序列分析，亦可利用pivot_table将数据重塑为国家×年份的矩阵格式，便于展开面板数据回归或趋势可视化研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过ILOSTAT数据库发布，并由Electric Sheep Africa在HuggingFace平台上重新打包整理，聚焦于非洲37个国家2000年至2025年间按性别和公共/私营部门划分的带薪护理从业人员数量（单位：千人），共计1481条观测记录。护理经济作为劳动力市场研究中长期被忽视的领域，其数据匮乏与统计口径不一致制约了政策制定与学术探索。该数据集的创建旨在填补这一空白，为研究者提供经过标准化处理的、覆盖多国时序的护理劳动力数据，从而支撑对非洲地区性别平等、就业结构转型以及护理工作价值的深入分析。其发布对推动可持续发展目标（SDG）中体面工作和性别平等相关指标的监测具有重要实证价值。

当前挑战

该数据集所应对的核心领域挑战在于，护理工作作为非正规就业的集中领域，长期面临统计识别困难与数据碎片化问题，导致其在全球劳动力分析中被系统性低估，尤其在非洲大陆，缺乏统一、可靠且跨国的时序数据以揭示护理劳动力的演变趋势与结构性特征。在构建过程中，挑战体现为多源数据的整合与标准化：ILOSTAT需从各国劳动力调查、家庭收支调查和行政记录中提取原始数据，依据国际劳工统计学家会议（ICLS）定义进行协调，处理因调查方法修订、数据源更替及国家间口径差异带来的系列断裂标记；同时，Electric Sheep Africa在重新封装时，需应对部分国家观测稀疏、时间序列不连续以及二级分类变量缺失等问题，确保数据集的可用性与可解释性。

常用场景

经典使用场景

在劳动经济学与社会政策研究领域，该数据集被广泛用于分析非洲地区有偿照护工作者在性别维度的分布特征及其在公共与私营部门间的结构性差异。研究者常借助这一面板数据，通过时间序列分析和跨国家比较，揭示不同非洲国家在照护经济劳动力配置上的演变轨迹。例如，通过提取南非、埃及等代表性国家的观测值，可深入探讨女性照护工作者的就业比例变化趋势，进而评估各国照护服务体系在性别平等和公共服务供给方面的进展。该数据集的年度频次与跨国覆盖特性，使其成为构建混合效应模型或固定效应回归的理想基础，尤其适用于控制国家与年份异质性的实证研究设计。

实际应用

在实际政策与规划层面，该数据集为非洲各国劳动部门、国际组织及非营利机构提供了决策参考。例如，国际劳工组织可依据性别和部门分类的就业数据，评估各国落实‘体面工作’目标（SDG 8）中关于照护工作者条件的进展。政府规划机构能利用逐年观察值，识别女性照护工作者在特定年份呈现的就业波动，从而调整职业培训资助或公共服务岗位配置策略。开发银行如世界银行，在分析照护基础设施投资的社会回报时，可借助该数据进行成本效益测算。该数据集因其来源权威、结构规整，还常被整合进非洲劳动力监测平台，支持实时预警系统的搭建。

衍生相关工作

基于该数据集衍生了若干具有影响力的研究与工具。在学术层面，多篇关于非洲照护经济性别差异的论文直接引用此数据作为核心变量来源，例如探讨南非公共部门照护就业性别配额效果的面板分析，或对比东非与北非国家照护劳动者职业流动性的比较研究。在工具开发层面，Electric Sheep Africa 提供的HuggingFace接口使数据可被直接加载至 Python 环境，促进了可复现分析管道的构建，如自动化的跨国家就业监测仪表盘和基于时间序列的预测模型。此外，该数据还推动了非洲照护工作者数据集的扩展工作，例如将其与教育、健康指标链接，形成更综合的照护经济数据库。