electricsheepafrica/africa-ilo-eip-neet-sex-age-nb-youth-not-in-employment-education-or-training-neet

该数据集包含非洲49个国家从1991年至2025年的青年未就业、未受教育或未培训（NEET）统计数据，按性别和年龄分类，单位为千。数据集共有2484个观测值，涵盖1个主要指标（EIP_NEET_SEX_AGE_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取，并经过处理和过滤以仅包含非洲国家。数据集包括多个列，如国家代码、国家名称、数据来源、指标代码、性别分类、年龄分类、观测年份、观测值等，并提供了数据质量说明和用法示例。数据集适用于表格分类、表格回归和时间序列预测等任务，旨在为研究非洲劳动力市场提供机器学习就绪的数据。This dataset contains statistics on youth not in employment, education, or training (NEET) for 49 African countries from 1991 to 2025, categorized by gender and age, with units in thousands. It includes 2,484 observations and covers one primary indicator: EIP_NEET_SEX_AGE_NB. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), obtained via a REST API, and processed and filtered to retain only data from African countries. The dataset features multiple columns including country code, country name, data source, indicator code, gender category, age category, observation year, and observed value, among others, and provides data quality explanations and usage examples. It is applicable for tasks such as tabular classification, tabular regression, and time series forecasting, and is designed to deliver machine learning-ready data for research on African labor markets.

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核心统计数据库，依托其REST API接口直接抽取指标代码为EIP_NEET_SEX_AGE_NB的原始观测数据，并依据非洲ISO3国家代码进行严格过滤，最终汇聚了涵盖49个非洲国家、横跨1991年至2025年间的2,484条NEET青年数据。ILO统计部门依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查、家计调查及行政记录等原始微观数据进行系统性的协调与标准化，并在数据集中通过source.label字段标注具体数据来源，确保每条记录的可追溯性与统计口径的一致性。

特点

本数据集的核心特点在于其专注于非洲地区青年未就业、未受教育或培训（NEET）状态的精确量化，以千人为单位呈现，并按照性别（总、男、女）和年龄段进行多维度的细致分解。数据以年频发布，覆盖时间跨度长达三十余年，且优先采用ILO为同一国家与年份选定的最佳数据源。此外，数据集以结构化表格形式组织，包含ref_area、time、obs_value等标准字段，辅以obs_status和多个note列标注数据的中断、修订等质量标识，为研究者提供了兼顾广度与深度的劳动力市场分析基础。

使用方法

使用者可通过HuggingFace Datasets库以load_dataset函数一键加载数据，并轻松转换为Pandas DataFrame进行后续分析。该数据结构清晰，支持按国家代码（如ref_area == "KEN"）筛选特定国家子集，或针对单一指标（如EIP_NEET_SEX_AGE_NB）按时间排序绘制趋势图。更进一步，研究者可利用pivot_table方法将数据重塑为国家×年份的矩阵形式，便于进行面板数据分析或跨国比较。数据集中sex、classif1等分类列提供了灵活的维度切片能力，满足从宏观趋势到群体差异的深度探究需求。

背景与挑战

背景概述

在全球青年就业形势日益严峻的背景下，青年失学、失业与未接受培训（NEET）问题已成为国际劳工组织（ILO）与各国政策制定者关注的焦点。该数据集由国际劳工组织统计司（ILOSTAT）于2025年创建，并由Electric Sheep Africa在HuggingFace平台上重新整理与发布，旨在系统性地追踪1991至2025年间非洲49个国家的青年NEET状况。数据集整合了来自各国家庭调查、劳动力调查等行政记录，并严格遵循国际劳工统计学家会议（ICLS）的标准进行统一编码，提供了关于青年NEET人口的性别与年龄段细分信息，共计2484条观测记录，为研究非洲大陆青年劳动市场脆弱性、评估相关政策干预效果，以及推动可持续发展目标（SDGs）中体面工作的实现提供了核心数据支撑。

当前挑战

该数据集所应对的领域挑战在于，非洲国家普遍存在青年失业率高、教育与职业培训衔接不畅等问题，之前缺乏标准化的面板数据来精确刻画不同性别与年龄组青年在就业、教育与培训体系外的动态变化，限制了比较研究与政策靶向设计。在构建过程中，挑战来自多个方面：一是非洲各国数据收集能力参差不齐，导致部分国家观测稀疏、时间序列不连续；二是不同来源的原始调查在问卷设计、样本框架与统计口径上存在差异，ILOSTAT虽进行一致性调整，但数据质量标记（如“序列断裂”、“方法修订”）仍反映出不可忽视的波动；三是数据的年度发布频率无法捕捉年内结构性变化，且部分指标缺失多维度交叉分类（如城乡结合），对深入分析构成制约。

常用场景

经典使用场景

在劳动力市场与青年发展研究领域，非洲青年失业与失学问题长期备受关注。该数据集围绕ILOSTAT框架下的NEET指标，系统收录了1991至2025年间49个非洲国家按性别与年龄分层统计的青年不在就业、教育或培训状态的人数（单位：千人）。其经典应用在于构建面板数据模型，追踪各国NEET规模的长期演化轨迹与结构性差异，支持跨时段、跨群体（如男性与女性青年）的比较分析。研究者可利用时间序列回归或固定效应模型，探索宏观经济波动、教育扩张、劳动力政策等变量对NEET率的影响机制。此外，该数据也为分类与回归任务提供了多维度特征集，便于训练预测青年就业脆弱性的机器学习模型，从而为决策者提供量化依据。

衍生相关工作

该数据集催生了多个方向的衍生研究。其一，基于其时间序列结构，涌现出利用长短期记忆网络（LSTM）或Transformer架构预测非洲各国NEET短期波动的工作，并与GDP增长率、教育支出等宏观变量耦合形成复合预测框架。其二，跨性别与年龄组的分层特征被用于训练多任务学习模型，以揭示不同细分群体在NEET演化中的协同或分异模式。其三，部分学者将其作为关键输入，构建经济脆弱性指数或社会不稳定风险评分卡，连接NEET数据与冲突爆发概率、移民流量等下游变量。此外，该数据集还支撑了对比研究——将非洲NEET态势与南亚、拉美等地区进行聚类分析，探索发展中国家青年失学失业的共性与地区特异性规律。

数据集最近研究

最新研究方向

当前研究前沿聚焦于利用该数据集追踪非洲青年失学、失业与未接受培训（NEET）群体的时空演变规律，结合ILOSTAT官方统计框架与机器学习方法，探索性别、年龄等维度的异质性特征。在非洲青年就业危机与可持续发展目标（SDG）第八项议程的背景下，该数据为政策制定者揭示劳动力市场结构性漏洞提供了量化依据，尤其支持对55岁以下NEET群体的群体剖绘与干预效果评估。相关热点议题包括后疫情时代的青年职业韧性、北非与撒哈拉以南非洲的NEET差异成因，以及通过时间序列预测模型预判劳动力市场波动，助力国际劳工组织与各国政府设计精准的就业激活方案。