electricsheepafrica/africa-ilo-pop-xvol-sex-vol-nb-number-of-volunteers-by-sex-and-type-of-volunteer

该数据集包含非洲4个国家（南非、佛得角、肯尼亚、塞拉利昂）在2010年至2023年期间关于无酬工作的45个观测数据。核心指标为按性别和志愿者工作类型划分的志愿者数量（千计），数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为非洲国家。数据集提供了国家代码、国家名称、数据来源、指标代码、指标名称、性别分类（总计、男性、女性）、年份、观测值等字段，适用于表格分类、回归或时间序列预测任务。数据以年度频率发布，并包含数据质量说明和使用示例。This dataset contains 45 observations of unpaid work data across 4 African countries (South Africa, Cape Verde, Kenya, Sierra Leone), spanning 2010–2023. The core indicator is Number of volunteers by sex and type of volunteer work (thousands), sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to African countries. The dataset includes fields such as country code, country name, data source, indicator code, indicator name, sex disaggregation (total, male, female), year, observed value, etc., suitable for tabular classification, regression, or time-series forecasting tasks. Data is published at annual frequency and comes with data quality notes and usage examples.

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中央统计数据库，通过其REST API直接获取指标“POP_XVOL_SEX_VOL_NB”对应的原始数据，并依据非洲ISO3国家代码进行过滤筛选。数据经过ILO统计部门的标准化处理，遵循国际劳工统计学家会议（ICLS）的定义标准，确保不同来源的调查微观数据具备可比性。最终由Electric Sheep Africa团队重新打包为机器学习友好的格式，包含45条观测记录，覆盖2010至2023年间4个非洲国家的志愿者劳动数据。

特点

数据集聚焦于非洲地区按性别和志愿者工作类型划分的志愿者人数（单位：千），提供精细化的性别维度拆解，包括总数、男性与女性三类。每条记录均保留来源标签以确保可追溯性，并包含观测状态与注释信息，便于识别数据质量。数据时间跨度为14年，且以年度频率呈现，适合进行跨国家、跨性别的纵向比较分析。作为一个小规模表格数据集，其结构简洁、字段完整，特别适用于时间序列预测、分类与回归等机器学习任务。

使用方法

用户可通过HuggingFace的datasets库直接加载该数据集：使用load_dataset函数即可获取训练集并转换为Pandas DataFrame进行后续操作。支持按国家名称筛选子集，例如提取肯尼亚的数据；也支持对单一指标进行时间序列可视化，通过排序后绘制观测值随时间的变化趋势。此外，用户可通过透视表功能将数据重塑为国家-年份矩阵，便于进行跨国家对比分析。该数据集已封装为Parquet格式，加载后无需额外预处理即可投入建模或探索性数据分析。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2023年发布，经Electric Sheep Africa团队重新打包至HuggingFace平台，旨在填补非洲大陆无偿志愿劳动数据的空白。核心研究问题聚焦于按性别和志愿者类型划分的志愿者人数统计，覆盖南非、佛得角、肯尼亚和塞拉利昂4个非洲国家，时间跨度为2010至2023年，共包含45条观测记录。数据源自ILOSTAT——全球劳动统计领域的权威数据库，其依据国际劳工统计学家会议（ICLS）定义对国家调查微观数据进行统一处理，为分析非洲地区非市场劳动参与模式提供了稀缺的标准化基准。该数据集对劳动经济学、性别研究和可持续发展目标（SDG）监测具有重要助推作用，尤其为量化无偿劳动在非洲社会经济中的隐性贡献开辟了可操作路径。

当前挑战

该数据集所应对的领域挑战在于：无偿志愿劳动常被主流劳动统计体系边缘化，导致其在非正规就业主导的非洲经济中被严重低估，性别维度的细化数据更是匮乏。构建过程中面临多重障碍：首先，数据来源仅涵盖4个国家，样本稀疏且肯尼亚与塞拉利昂各仅有3年数据，难以支持稳健的跨时推断；其次，ILOSTAT从不同国家调查中整合数据时，需应对调查时点、变量定义和抽样方法的异质性，如注释字段中已标注“参考期偏差”等技术缺陷；最后，按性别和志愿者类型的分层维度（sex, classif1）在部分观测中存在缺失，进一步限制了细粒度分析的可操作性。这些局限使得数据在泛化至整个非洲大陆时需格外审慎。

常用场景

经典使用场景

该数据集聚焦于非洲地区按性别和志愿服务类型划分的志愿者人数（以千计），涵盖2010至2023年间四个非洲国家的45条观测记录。在劳动力统计与性别研究领域，研究者常将其作为分析无偿劳动参与模式的经典面板数据，通过时间序列与截面结合的方式，揭示志愿服务在非洲社会经济结构中的角色变迁。数据集提供的性别维度细分（总人数、男性、女性）使得基于性别的劳动参与差异比较成为核心应用范式，同时其与ILOSTAT标准定义的一致性确保了跨国可比性，适用于构建回归模型或描述性统计分析。

解决学术问题

该数据集填补了非洲地区志愿者统计数据长期碎片化的学术缺口，主要解决三个关键研究问题：其一，为评估无偿劳动对GDP的隐性贡献提供量化基础，推动将志愿服务纳入国民经济核算体系的方法论创新；其二，通过性别维度的精细分解，支持探究女性在非正规经济及社区服务中的参与壁垒，验证性别平等政策干预效果；其三，跨年度数据使得追踪劳动力市场结构性变迁（如金融危机后志愿行为波动）成为可能，其影响在于强化了国际劳工组织关于体面劳动指标的区域实证基础，并为可持续发展目标（SDG 5性别平等与SDG 8体面工作）的本土化监测提供了稀缺数据支撑。

衍生相关工作

该数据集衍生出多项标志性学术工作。基于ILOSTAT统一框架，学者开发了面向发展中国家的无偿劳动时间使用模型，将志愿者数据与家庭生产卫星账户结合，修正了传统GDP核算中对非市场劳动的忽视。在方法层面，有研究利用该数据验证了分层贝叶斯估计在处理小样本、多国别面板数据中的优越性，推动了劳动力统计中缺失数据插补技术的发展。此外，该数据还被整合进非洲性别不平等指数体系，衍生出探究女性无偿劳动负担与正规就业率之间非线性关系的计量经济学论文，深化了对劳动力市场性别分隔机制的理解。