electricsheepasia/asia-ilo-cld-xchl-sex-age-stu-rt-share-of-children-in-child-labour-by-sex-age-and-s

该数据集包含亚洲32个国家1996年至2025年间关于童工的1960个观测值，核心指标为按性别、年龄和学校出勤率分列的童工儿童比例（%）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涵盖了童工统计的多个维度，包括国家、年份、性别（总计、男性、女性）、年龄组和学校出勤情况。数据集经过Electric Sheep Asia重新打包，以统一的模式提供，便于机器学习使用。This dataset contains 1,960 observations on child labour across 32 Asian countries from 1996 to 2025, with the core indicator being Share of children in child labour by sex, age and school attendance (%). The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), covering multiple dimensions of child labour statistics, including country, year, sex (total, male, female), age group, and school attendance. The dataset has been repackaged by Electric Sheep Asia with a unified schema for machine learning readiness.

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ILOSTAT的REST API构建，从指定接口（https://rplumber.ilo.org/data/indicator?id=CLD_XCHL_SEX_AGE_STU_RT）直接拉取原始数据，随后依据亚洲ISO3国家代码进行地理范围过滤。ILOSTAT采用国际劳工统计学家会议（ICLS）定义对调查微观数据进行协调处理，并在数据集中通过source.label字段标注数据来源，确保数据溯源清晰。最终数据集包含1,960条观测记录，覆盖32个亚洲国家，时间跨度为1996年至2025年。

特点

该数据集聚焦于亚洲地区童工问题的核心指标，即按性别、年龄和入学状况划分的童工比例（%），具有高度针对性和细粒度特征。数据按性别（男性、女性、总计）及年龄、教育分类变量进行多维度拆解，便于进行交叉分析和趋势研究。数据集采用年度频率发布，并优先选取国际劳工组织针对同一国家与年份指定的最佳数据源，兼顾了数据质量与权威性。列结构中包含了观察值状态标记及注释信息，有助于识别数据可靠性。

使用方法

使用者可通过HuggingFace Datasets库的load_dataset函数直接加载数据集，并利用to_pandas方法轻松转换为DataFrame进行探索。典型应用包括按国家代码过滤特定国家的童工数据，或按时间序列绘制单一指标的演变趋势。此外，可利用透视表功能将数据重塑为国家×年份矩阵，便于横向比较各国童工状况。数据集支持表格分类、回归及时间序列预测等多种任务，适合社会科学研究与政策分析场景。

背景与挑战

背景概述

童工问题作为全球劳动力市场的顽疾，长期阻碍着儿童基本权利的保障与可持续发展目标的实现。国际劳工组织（ILO）通过其核心统计数据库ILOSTAT，系统性地收集并发布了涵盖200余个经济体的劳动指标数据，旨在为政策制定与学术研究提供权威依据。在此背景下，Electric Sheep Asia于2025年基于ILOSTAT的API接口，对亚太地区32个国家1996至2025年间童工比例数据进行了重封装与标准化处理，形成了该数据集。该数据集聚焦于按性别、年龄及就学状态分类的童工比例（%），共包含1,960条观测记录，为区域间童工问题的纵向比较与影响因素分析提供了统一且可复用的数据基础，对推动亚洲地区儿童劳动权益保护的研究具有重要价值。

当前挑战

该数据集面临的挑战主要体现在两个层面。首先，于领域问题而言，童工现象的驱动机制复杂多变，涉及贫困、教育可及性、文化习俗与政策执行力度等多重因素交织，使得构建精准的预测模型或因果推断框架极为困难。其次，在数据构建过程中，挑战尤为显著：各国原始调查数据的定义标准、抽样方法与调查频率存在较大差异，ILO虽通过国际劳动统计学家会议（ICLS）准则进行协调，但数据来源（如劳动调查、入户问卷）的异质性仍可能导致年份间或国家间的统计口径不一致；此外，部分观测值被标记为“不可靠”（obs_status=U），且存在因方法修订导致的时间序列断裂（note_indicator为Break in series），这要求用户在使用前必须对数据质量进行审慎评估与清洗，以免引发分析偏差。

常用场景

经典使用场景

该数据集广泛用于区域间童工现象的横截面比较与纵向趋势分析。研究者可借助其包含的32个亚洲国家、跨越1996至2025年的近两千条观测记录，系统考察不同性别与年龄段儿童在童工参与率上的动态演变。数据集中的时间序列特性使其成为探索亚洲各国童工现象消长规律的珍贵资源，尤其是结合在校状态（school attendance）这一关键维度，能够为理解教育与童工之间的复杂关联提供量化依据。研究人员通常通过国家分组、性别人口特征筛选以及年度回归建模等方式，揭示特定地区童工现象的结构性特征及其长期变化轨迹。

解决学术问题

在学术研究中，该数据集有效回应了亚洲区域童工问题的三大核心议题：第一，厘清不同性别儿童在童工劳动中的参与程度差异，填补了发展中国家性别分层研究的量化空白；第二，通过跨年代的时间序列数据，揭示经济发展、教育普及与童工消减之间的内在联系，为验证人力资本理论、贫困陷阱理论提供了实证支撑；第三，借助国家间的比较分析，鉴别政策干预、法律制度与社会保障等因素在遏制童工劳动中的相对效果。该数据集的发布显著降低了学者获取跨国标准化童工统计的门槛，推动了区域劳动经济学与发展社会学领域从描述性研究向因果推断方向迈进。

衍生相关工作

该数据集衍生出一系列富有影响力的学术成果与工具套件。基于此数据，已有研究构建了亚洲国家童工现象的机器学习预测模型，运用随机森林与时间序列分解方法评估童工参与率在未来年份的可能走向。部分工作将数据集与宏观社会经济指标（如人均GDP、教育支出占比、社会保护覆盖率）进行整合，形成了多维度的区域劳动市场分析框架。此外，该数据集还被用于开发交互式可视化仪表盘，使政策制定者能够以直观的地理与时间维度探索童工分布模式。这些衍生工作不仅深化了对亚洲童工现象机制的理解，也为其他区域同类问题的研究提供了方法论参照与分析模板。