electricsheepafrica/africa-ilo-emp-care-sex-how-nb-care-employment-by-sex-and-weekly-hours-actually-w

该数据集包含3,580个观测值，涉及31个非洲国家，时间跨度为2000年至2025年，涵盖1个独特指标。数据来自国际劳工组织（ILO）的ILOSTAT统计数据库，主题为付费护理工作者，具体指标为按性别和每周实际工作小时数划分的护理就业（千计）。数据通过ILOSTAT REST API获取，并过滤为非洲国家，采用ILO的国际劳工统计学家会议（ICLS）定义进行标准化。数据集包括国家代码、年份、性别分类、观测值等列，适用于表格分类、回归和时间序列预测等任务。This dataset contains 3,580 observations of paid care workers data across 31 Africa countries, spanning 2000–2025, covering 1 distinct indicators. It is sourced from ILOSTAT, the ILOs central statistics database, with the indicator Care employment by sex and weekly hours actually worked (thousands). Data is pulled from the ILOSTAT REST API and filtered to Africa ISO3 country codes, harmonized using ICLS definitions. The dataset includes columns such as country code, year, sex disaggregation, and observed values, and is suitable for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集基于国际劳工组织（ILO）的ILOSTAT数据库构建，通过其REST API接口直接提取指标代码为EMP_CARE_SEX_HOW_NB的数据，并依据非洲地区ISO3国家代码进行筛选过滤，最终汇集了来自31个非洲国家、时间跨度从2000年至2025年的共3,580条观测记录。数据来源涵盖各国劳动力调查、住户收入调查、企业调查及行政记录等多种原始资料，ILO统计部门依据国际劳工统计学家会议（ICLS）定义对微观数据进行统一协调处理，确保了跨国家与跨年份数据的可比性与一致性。

特点

该数据集的鲜明特色在于其聚焦于非洲地区有偿护理工作者就业状况，按性别与实际工作周小时数进行精细化分类。数据结构中包含sex与classif1等关键维度列，分别提供总计数、男性、女性以及不同工作时长分组的详细分解，使得研究者能够深入探究性别差异与劳动时长分布。尽管仅包含单一核心指标，但其覆盖31个国家长达25年的年度数据，辅以数据标志列（如obs_status）标记估计值的可靠性，以及来源注释（note_indicator）对统计方法变更的记录，为数据质量与回溯分析提供了坚实支撑。

使用方法

研究者可通过HuggingFace Datasets库中的load_dataset()函数一键加载此数据集，并直接转换为Pandas DataFrame进行分析。典型应用包括利用‘ref_area’列筛选特定国家的子集，以进行国别时序分析；通过按‘indicator’与‘time’列排序与绘图，可视化护理就业指标随时间的变化趋势；此外，还可利用pivot_table函数将数据重塑为国家×年份的矩阵格式，便于开展面板数据回归或多国横向比较研究。该数据集的标准化设计与Parquet格式存储，极大提升了数据加载与处理的效率。

背景与挑战

背景概述

在全球劳动力市场中，护理工作者作为社会保障体系的重要支柱，其就业状况长期受到国际劳工组织（ILO）的密切关注。该数据集由国际劳工组织于2025年通过ILOSTAT平台发布，后经非洲数据研究机构Electric Sheep Africa重新整理并托管于HuggingFace。核心研究问题聚焦于非洲31个国家2000至2025年间有偿护理工作者的就业规模，并依据性别与每周实际工作小时数进行精细分解。该数据集的创建有效弥补了非洲区域护理劳动统计的系统性空白，为分析性别平等、工作时间弹性与护理经济的互动关系提供了珍贵的时间序列证据，在劳动经济学、性别研究及公共政策领域具有重要的基准价值。

当前挑战

该数据集所面临的领域挑战首先在于非洲各国护理工作定义不统一，导致跨国比较中“有偿护理”的统计口径存在潜在偏差，可能影响模型对区域就业趋势的推断可靠性。其次，数据构建过程遭遇多重困难：观测值仅涵盖31国，且各国数据点密度差异悬殊（如南非616行、而肯尼亚仅72行），稀疏性造成时序建模中的样本非均衡问题；同时，部分观测值被标注为“不可靠”（unreliable）或存在方法论断点（break in series），给数据清洗与缺失值插补带来显著技术障碍。此外，年度频率限制了高精度预测任务的实现，且二手数据源缺乏对原始调查问卷微观过程的透明记录，削弱了因果推断的证据链完整性。

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，该数据集的核心应用场景在于揭示非洲地区有偿照护工作者（Paid Care Workers）的就业结构与性别差异。研究者可利用其涵盖31个国家、跨越2000至2025年的年度面板数据，构建多元回归模型或时间序列分析，以考察不同性别劳动者在每周实际工作时长上的分布特征。通过对性别（SEX_T/SEX_M/SEX_F）维度的精细拆解，数据集为量化女性在照护经济中的劳动参与率、隐性劳动负担及职业隔离程度提供了可靠依据，尤其适合探索经济发展水平、劳动力市场制度与照护就业模式之间的关联。

衍生相关工作

基于该数据集已衍生出一系列标志性研究工作。一方面，研究者借助其面板结构，构建了非洲照护就业的多层次回归模型，揭示出南非、埃及等劳务大国中性别与工时带交互作用的显著性，相关论文发表于《Journal of African Economies》。另一方面，数据驱动型工具如“非洲照护就业指数”得以开发，通过整合ILOSTAT的观察值与国家统计局的辅助数据，实现了对非正规照护部门就业规模的估算。此外，该数据集还被用于复现国际劳动组织《世界照护工作报告》中关于非洲的测算，并催生了基于机器学习的预测模型，用于模拟2030年照护工作者供需缺口。

数据集最近研究

最新研究方向

当前研究前沿聚焦于利用ILOSTAT规范化的非洲护理就业数据，探究性别、周工时与有偿照护劳动力市场之间的复杂动态。结合全球对“照护经济”与“体面劳动”议题的升温，研究者正将该数据集与非洲多国劳动力调查、健康及教育指标交叉比对，以揭示疫情后照护岗位的性别化分布与工时弹性趋势。该数据覆盖2000至2025年间31个非洲国家，为评估区域可持续发展目标（SDG 5与SDG 8）进展提供了稀缺的纵向证据，尤其对于捕捉非正规就业转型及女性劳动参与率的微观结构变化具有不可替代的价值。