electricsheepafrica/africa-ilo-inj-fatl-sex-mig-nb-cases-of-fatal-occupational-injury-by-sex-and-migr

该数据集包含非洲33个国家从1975年至2024年期间的572个观测值，重点关注职业伤害数据，具体指标为按性别和移民状况划分的职业性致命伤害案例（INJ_FATL_SEX_MIG_NB）。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代码，涵盖了就业、失业、工资、工作时间、童工、非正规经济、社会保护、职业伤害等多个劳动统计领域。数据集以表格形式组织，包括国家代码、国家名称、数据来源、指标代码、性别分类、移民状况分类、观察年份、观测值等列，适用于表格分类、回归分析和时间序列预测任务。数据由Electric Sheep Africa重新打包，以Parquet格式发布，便于机器学习使用。This dataset contains 572 observations from 33 African countries spanning 1975 to 2024, focusing on occupational injury data, specifically the indicator of occupational fatal injury cases classified by sex and migration status (INJ_FATL_SEX_MIG_NB). The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via API and filtered to retain African country codes, covering multiple labor statistics domains including employment, unemployment, wages, working hours, child labor, informal economy, social protection, and occupational injuries. The dataset is structured in tabular format, with columns including country code, country name, data source, indicator code, sex classification, migration status classification, observation year, and observation value, and is suitable for tasks such as tabular classification, regression analysis, and time series forecasting. The data was repackaged by Electric Sheep Africa and released in Parquet format to facilitate machine learning applications.

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数据库，通过REST API直接获取编号为INJ_FATL_SEX_MIG_NB的指标数据，并依据非洲ISO3国家代码进行地域过滤。数据整合了各国劳动力调查、家庭收入调查、机构调查及行政记录等多元来源，并按照国际劳工统计学家会议（ICLS）的定义进行统一归化处理。每个观测值均附带来源标签，确保数据可追溯。最终整理为包含572条观测记录、覆盖33个非洲国家、时间跨度从1975年至2024年的结构化数据集。

使用方法

该数据集已打包为HuggingFace数据集格式，用户可通过`load_dataset`函数一键加载，并直接转换为Pandas DataFrame进行后续处理。支持按国家代码筛选子集，亦可按时间排序生成特定指标的时间序列，或通过数据透视表构建国家×年份的观测矩阵。对于深度分析，用户可结合性别与移民状态字段进行分层统计，或利用注释字段剔除质量存疑的观测值。建议在使用时引用原始ILO数据源及Electric Sheep Africa的重新打包版本。

背景与挑战

背景概述

在全球劳动力市场中，职业伤害致死案例是衡量工作安全与劳工权益保障的重要指标，尤其对于非洲大陆而言，该数据的系统收集与分析长期面临统计体系不完备、跨国可比性差等结构性困境。由国际劳工组织（ILO）统计部门建立的ILOSTAT数据库，作为全球劳动统计的权威来源，汇聚了来自各国劳动力调查、家庭收入调查及行政记录等多元渠道的标准化数据。在此背景下，Electric Sheep Africa团队于2024年基于ILOSTAT的REST API，提取并重新封装了涵盖非洲33个国家、时间跨度从1975年至2024年的职业伤害致死案例数据集，聚焦于按性别与移民身份划分的死亡人数统计。该数据集为非洲区域劳动安全研究、国际发展目标（SDG）中的体面工作指标监测以及跨国比较分析提供了关键的基础数据支撑，填补了该领域在非洲大陆高分辨率、长时序公共数据集上的空白。

当前挑战

该数据集所应对的核心领域挑战在于，非洲国家普遍存在职业伤害报告漏报、统计标准不一致以及数据获取渠道分散的问题，导致难以准确评估劳工安全状况并制定针对性政策。ILO通过统一国际劳工统计学家会议（ICLS）定义进行数据协调，但数据来源的多样性（如劳动力调查与行政记录）仍可能引入偏差，需通过source.label字段进行追溯。在数据构建过程中，挑战主要体现在三个方面：一是非洲国家间的数据覆盖极不均衡，如毛里求斯（66条记录）与布基纳法索（29条）的观测频率差异显著，突显统计能力鸿沟；二是部分年份数据缺失或标记为“不可靠”，需依赖obs_status字段进行过滤；三是移民身份分类（MIG_STATUS_TOTAL）普遍缺失细分数据，限制了基于移民状态的精细化分析，而该维度的完整性恰是理解劳动力流动与职业风险关联的关键所在。

常用场景

经典使用场景

该数据集收录了1975年至2024年间非洲33个国家的致命职业伤害案例，按性别与移民身份进行精细分层，共计572条观测记录。在学术研究中，它被广泛用于构建时间序列预测模型，以探究非洲大陆职业伤害的演变趋势；同时可作为面板数据进行回归分析，揭示经济发展、劳动力结构变迁与工作场所安全之间的深层关联。研究者常利用其丰富的分类维度（如性别与移民状态）开展因子分解研究，评估不同群体面临的差异化职业风险。

解决学术问题

数据集有效解决了非洲职业伤害领域长期面临的数据碎片化与跨国可比性缺失的难题。它使学者得以量化性别与移民身份对职业伤害脆弱性的影响，填补了发展中国家职业安全研究在微观分层数据上的空白。其意义在于为国际劳工组织推动的‘体面劳动’议程提供了实证基础，帮助识别安全监管薄弱的行业与群体，进而推动预防性政策的制定，对减少非洲劳工因职业事故导致的伤亡具有重要学术与社会价值。

实际应用

在实际应用中，该数据集为非洲各国劳动部门评估职业安全政策的有效性提供了基准参照。国际组织与政府机构可基于历史伤亡率，动态设定年度安全生产目标，并优先向高发行业分配监管资源。跨国企业亦能借此分析在非洲开展业务时的劳工风险，优化企业社会责任战略。此外，保险公司可将其用于精算模型，合理厘定非洲劳工保险的费率，促进职业伤害保障体系的完善。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区致命职业伤害案例的性别与移民身份交叉分析，为劳动安全领域的差异研究提供了关键支撑。结合ILO近年推动的体面劳动议程，相关研究正借助此类细粒度数据，利用时序预测与分类模型，识别高危行业与脆弱群体，并探索全球化背景下跨国劳动力流动对职业安全的影响。该数据的发布弥补了非洲大陆在该领域标准化、机器可读面板数据的长期缺失，不仅助力政策制定者优化监管资源，更是推动可持续发展目标中“安全健康的工作环境”量化评估的重要基石。