electricsheepasia/asia-ilo-emp-xtru-sex-dsb-nb-time-related-underemployment-by-sex-and-disability

该数据集包含了亚洲16个国家从1996年至2024年期间的时间相关就业不足（Time-related underemployment）数据，共624个观测值，涵盖1个不同的指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涉及按性别和残疾状况分类的就业不足统计（以千人为单位）。数据集经过Electric Sheep Asia重新打包，以方便机器学习使用。This dataset contains 624 observations of Time-related underemployment data across 16 Asia countries, spanning 1996–2024, covering 1 distinct indicators. It is sourced from the ILOSTAT database of the International Labour Organization (ILO), focusing on employment statistics disaggregated by sex and disability status (in thousands). The dataset has been repackaged by Electric Sheep Asia for ML-ready usage.

搜集汇总

数据集介绍

构建方式

在国际劳工统计领域，时间相关就业不足是衡量劳动力市场质量的关键指标。该数据集依托国际劳工组织中央统计数据库ILOSTAT，通过其REST API接口直接提取原始指标数据，并按照亚洲ISO3国家代码进行筛选。数据源自各国劳动力调查、家庭收入调查及行政记录，经ILO统计局依据国际劳工统计学家会议定义进行标准化调和，保留来源标签以确保可追溯性。最终以Parquet格式封装，收录624条观测记录。

特点

该数据集聚焦亚洲16个国家，时间跨度自1996年至2024年，涵盖时间相关就业不足指标，并按性别与残疾状况进行交叉细分。数据以年度频率呈现，包含国家代码、来源、指标及分类变量等丰富维度，同时附有观测状态与注释标签，便于识别临时性或不稳定数据。其结构化表格设计支持分类、回归及时间序列预测等多类任务，且遵循知识共享署名4.0许可。

使用方法

研究者可通过HuggingFace的datasets库以load_dataset函数便捷加载数据，并转换为Pandas数据框进行探索。典型操作包括按国家代码筛选特定经济体，针对单一指标绘制时间序列趋势图，或利用透视表生成国家与年份的矩阵视图。数据亦可直接用于构建机器学习模型，以分析就业不足与性别、残疾状况之间的动态关联，为政策评估提供量化依据。

背景与挑战

背景概述

国际劳工组织长期致力于全球劳动力市场统计监测，《ILOSTAT》数据库作为其核心统计基础设施，汇聚了二百余个经济体的劳动力调查与行政记录，为就业、失业、工资及体面劳动等议题提供权威量化依据。该数据集由Electric Sheep Asia于2024年从ILOSTAT REST API抽取并重新封装，聚焦亚洲16个国家1996至2024年间按性别与残疾状况分类的时间相关就业不足指标，共624条观测。其核心研究问题在于揭示亚洲地区边缘群体在工时不足维度上的劳动市场弱势格局，为残疾与性别交叉视角下的就业政策评估提供可比数据基础。

当前挑战

时间相关就业不足的精确测度本身即构成劳动统计领域的棘手难题，涉及工时意愿与实际工时的界定标准差异，而残疾状况的识别更因各国调查问卷设计、定义口径及统计能力参差不齐而面临跨国可比性困境。从数据构建层面审视，亚洲地区劳动力调查在残疾模块的覆盖深度与频次显著不均，部分国家仅零星开展专项调查，导致时间序列断裂与观测稀疏并存；观测状态标签中频繁出现的'不可靠'及'方法修订致序列中断'等标志，进一步折射出原始调查在样本代表性、加权方法及分类标准上的局限，为面板分析与跨国比较带来实质性障碍。

常用场景

经典使用场景

在劳动经济学与残疾包容性研究的交叉领域，时间相关就业不足是衡量劳动力市场质量的关键指标，而按性别与残疾状态分列的数据则为揭示边缘群体就业脆弱性提供了独特视角。该数据集最经典的使用场景在于构建亚洲地区多维度面板数据，研究者可据此开展性别与残疾双重分层下的就业不足趋势分析；同时，借助时间序列建模方法，考察不同国家在1996至2024年间就业不足水平的动态演变与跨国收敛性。此外，该数据集亦常被用于探索性数据分析与可视化，以直观呈现亚洲各国在残疾就业统计上的数据可得性差异。

衍生相关工作

该数据集衍生了若干劳动统计与机器学习交叉领域的经典工作。一方面，研究者基于其构建亚洲就业不足预测模型，采用时间序列与面板回归方法评估经济周期对弱势群体就业的影响。另一方面，该数据集被用于开发残疾就业统计的数据质量评估框架，推动国际统计标准在亚洲的本地化应用。Electric Sheep Asia的标准化封装亦催生了系列亚洲劳动市场数据集的整合分析，促进了可复现研究范式的传播，并激发了关于性别与残疾交叉性数据缺口的方法论讨论。

数据集最近研究

最新研究方向

在全球劳动力市场转型与包容性增长议程交织的背景下，该数据集所承载的性别与残疾状态双重维度的工时相关不充分就业信息，正成为劳动经济学与残障研究交叉领域的前沿焦点。近期研究借助高分辨率面板数据与机器学习方法，致力于识别残疾劳动者在工时不足中的脆弱性差异，并探究性别叠加效应如何加剧就业质量的不平等。这一方向与联合国可持续发展目标中“体面工作”及“减少不平等”的议题深度契合，为亚洲地区制定精准的残疾包容性就业政策提供了关键实证基础，同时推动了ILO统计标准在交叉性分析中的方法论革新。