electricsheepafrica/africa-ilo-emp-publ-sex-how-nb-public-sector-employment-by-sex-and-weekly-hours-a

该数据集名为按性别和每周实际工作小时数划分的公共部门就业人数（千）| 非洲（ILOSTAT），包含5,053个观测值，覆盖41个非洲国家，时间跨度为1991年至2025年，涵盖1个核心指标：EMP_PUBL_SEX_HOW_NB，即按性别和每周实际工作小时数划分的公共部门就业人数（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，由Electric Sheep Africa重新打包为机器学习就绪格式。数据集为表格型，包含多个列如国家代码、年份、性别分类、观测值等，适用于表格分类、回归和时间序列预测任务。数据经过ILO的标准化处理，使用国际劳工统计学家会议（ICLS）定义，并包含数据源和质量注释，如观测状态标志。数据集旨在支持非洲劳动力市场研究，特别是公共部门就业分析。This dataset, titled Public Sector Employment by Sex and Actual Weekly Working Hours (Thousands) | Africa (ILOSTAT), contains 5,053 observations, covers 41 African countries, spans the period from 1991 to 2025, and includes one core indicator: EMP_PUBL_SEX_HOW_NB, which refers to public sector employment counted in thousands and disaggregated by sex and actual weekly working hours. The data is sourced from the ILOSTAT statistical database of the International Labour Organization (ILO), and was repackaged into a machine-learning-ready format by Electric Sheep Africa. As a tabular dataset, it features multiple columns including country code, year, sex category, observation value, and others. It is applicable to tasks such as tabular classification, regression, and time series forecasting. The data has been standardized by the ILO, defined in accordance with the International Conference of Labour Statisticians (ICLS), and includes data source and quality annotations like observation status flags. This dataset is designed to support African labor market research, especially public sector employment analysis.

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）旗下的核心劳动统计数据库ILOSTAT，经由Electric Sheep Africa团队以标准化流程重新封装。数据通过ILOSTAT提供的REST API接口直接获取，原始API地址为https://rplumber.ilo.org/data/indicator?id=EMP_PUBL_SEX_HOW_NB，并依据非洲ISO3国家代码进行地理范围过滤。ILO统计部门运用国际劳动统计学家会议（ICLS）的定义对各国原始调查微观数据进行协调与标准化处理，确保数据口径一致。最终数据集中每一条观测均包含来源标记（source.label），以保障数据的可追溯性与透明度。

使用方法

用户可通过HuggingFace Datasets库便捷地加载该数据集，仅需一行代码：`from datasets import load_dataset; ds = load_dataset("electricsheepafrica/africa-ilo-emp-publ-sex-how-nb-public-sector-employment-by-sex-and-weekly-hours-a")`。加载后的数据可直接转换为Pandas DataFrame进行后续分析，例如通过`df["train"].to_pandas()`获取完整表格。针对具体分析需求，用户可依据`ref_area`列过滤特定国家数据，或利用`indicator`、`time`等列对单个指标进行时间序列可视化。此外，通过`pivot_table`方法可便捷地将数据重塑为国家×年份的矩阵形式，便于进行面板数据分析或构建机器学习特征。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门创建，经由Electric Sheep Africa于2025年重新打包并发布在HuggingFace平台。其核心研究问题聚焦于非洲地区公共部门就业的性别差异与每周实际工时分布，旨在为劳动力市场分析、性别平等政策评估及可持续发展目标（SDG）监测提供标准化、机器可读的数据基础。数据集涵盖1991至2025年间41个非洲国家的5053条观测，整合了来自各国劳动力调查、行政记录等多源数据，经ILO统一协调以确保跨国可比性。作为ILOSTAT数据库的专项子集，该数据集不仅为非洲公共部门就业研究提供了丰富的时间序列与截面数据，还通过开源许可（CC-BY 4.0）促进了学界、政策制定者与开发者的协作，对推动欠发达地区劳动统计的开放科学具有显著贡献。

当前挑战

该数据集在领域问题上面临的挑战首先是非洲公共部门就业数据的稀疏性与不均衡性：许多国家因调查频率低、覆盖年份有限（如部分国家仅提供近十年数据），导致长时序分析与跨国比较受到制约。其次，数据质量参差不齐，观测状态标记为“不可靠”（unreliable）或存在方法论修订断裂点（break in series），削弱了模型训练与趋势推断的稳健性。在构建过程中，主要挑战源自多源数据整合的异质性——各国劳动力调查采用不同的抽样设计、行业分类与工时定义，ILO虽依据国际劳工统计学家会议（ICLS）标准进行协调，但无法完全消除隐含偏差。此外，公共部门的定义在不同国家间存在差异（如是否包含国有企业），而性别与工时维度的高缺失率进一步限制了交叉分析的深度，最终构成时间序列预测与因果推断任务中的显著噪声来源。

常用场景

经典使用场景

该数据集汇聚了1991年至2025年间41个非洲国家的公共部门就业数据，涵盖性别与每周实际工作小时数的交叉维度，共计5053条观测记录。研究者可利用这一结构化数据开展面板数据分析，探究非洲大陆公共部门劳动力市场的时空演变规律。其经典应用在于构建时间序列模型，揭示公共就业的长期趋势与周期性波动，并借助性别分类变量剖析劳动力市场中结构性差异的演化路径。数据集的年度频率与多国覆盖特性，使其成为跨国比较研究的理想基石，为宏观劳动力经济学领域提供了珍贵的数据支撑。

解决学术问题

在学术研究中，该数据集有效填补了非洲地区公共部门就业微观统计的空白，解决了长期以来该区域劳动力数据碎片化、可比性不足的困境。通过标准化整合国际劳工组织（ILO）的权威指标，学者得以跨越国境与时间维度，系统评估公共就业政策对性别平等的影响，检验不同经济发展阶段下公共部门吸纳劳动力的能力变化。数据集还为评估非正规就业转移、工时制度变革等议题提供了量化依据，推动了发展经济学与劳动经济学交叉领域的研究深化。

实际应用

在实际应用层面，该数据集为非洲各国政府与国际发展机构制定就业政策提供了实证基础。政策制定者可利用性别与工时细分数据，精准识别公共部门就业中女性参与率偏低的行业或时段，从而定向设计职业培训与弹性工作制度。国际组织如联合国开发计划署可依托该数据监测可持续发展目标（SDG）中关于体面工作的进展，评估公共投资对就业市场的拉动效应。此外，智库与金融机构能借助时间序列分析，预测劳动力供给变化对经济增长的影响路径。

数据集最近研究

最新研究方向

该数据集聚焦非洲公共部门就业的性别差异与工时分布，为劳动经济学与可持续发展目标（SDG 8）中的体面工作研究提供了关键数据支撑。随着非洲大陆自由贸易区（AfCFTA）推动区域一体化，公共部门作为就业稳定器的作用日益凸显。当前前沿研究方向包括：利用该时序数据结合因果推断方法评估性别平等政策（如配额规定）对女性公共部门就业率的动态影响；通过机器学习模型预测不同工时模式下的就业结构性变迁，并关联宏观冲击（如新冠疫情后的财政紧缩）对公共部门人力配置的异质性效应。此外，该数据与ILO其他劳动力微数据联动，可构建非洲公共就业的时空面板，揭示正式与非正式部门间的劳动力流动机制，为制定包容性增长政策提供实证基础。