electricsheepafrica/africa-ilo-emp-cnif-sex-nb-informal-care-employment-by-sex-thousands

这是一个关于非洲国家非正规护理就业的数据集，按性别（男性、女性、总计）和年份（2000-2025年）提供统计数据，单位为千人。数据集包含417个观测值，覆盖35个非洲国家，源自国际劳工组织（ILO）的ILOSTAT数据库，数据通过ILO的ICLS定义标准化，包括国家代码、指标代码、性别分类、观测值和数据来源等列。数据集适用于表格分类、回归和时间序列预测任务，重点关注非洲地区的劳动力市场分析。This is a dataset concerning informal care employment across African countries. It presents statistical data disaggregated by gender (male, female, total) and year (2000–2025), with the unit of measurement being thousand persons. The dataset consists of 417 observations, covering 35 African nations, and is sourced from the ILOSTAT database of the International Labour Organization (ILO). All data is standardized per the ILO's ICLS definition. The dataset includes columns such as country code, indicator code, gender classification, observed values, and data source. This dataset is applicable for tasks including tabular classification, regression, and time series forecasting, with a primary focus on labor market analysis in the African region.

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统计数据库，通过REST API接口直接提取指标“EMP_CNIF_SEX_NB”（非正规护理就业人数，单位为千人），并依据非洲ISO3国家代码进行筛选与过滤。原始数据来源于各国劳动力调查、家庭收入调查、企业调查及行政记录，经ILO统计部门按照国际劳工统计学家会议（ICLS）定义进行统一标准化处理，确保跨国家与时间序列的可比性。数据集包含417条观测记录，覆盖35个非洲国家，时间跨度从2000年至2025年，每条记录均附带来源标签以追溯数据质量。

使用方法

用户可通过HuggingFace Datasets库便捷加载数据：执行`load_dataset("electricsheepafrica/africa-ilo-emp-cnif-sex-nb-informal-care-employment-by-sex-thousands")`即可获取训练集，并利用`to_pandas()`转为DataFrame进行探索。支持按国家过滤（如`df[df["ref_area"] == "KEN"]`）、按指标排序后绘制时间序列图，或通过透视表构建国家×年份矩阵，便于进行面板数据分析与趋势建模。数据采用CC-BY-4.0许可，使用时应同时引用原始ILO数据及Electric Sheep Africa的重新封装版本。

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Electric Sheep Africa于2025年重新打包并发布在HuggingFace平台。它聚焦于非洲35个国家2000至2025年间有偿护理工作者的非正式就业数据，以千人为单位，按性别进行细分。在非洲劳动力市场中，护理工作日益重要，但相关就业数据长期分散且缺乏系统整合。该数据集通过统一抽取ILOSTAT官方数据，为研究者提供了标准化的时间序列，填补了非洲地区非正式护理就业领域的数据空白，推动了相关领域如劳动经济学、性别研究和可持续发展目标监测的深入研究。

当前挑战

该数据集面临的挑战主要体现在两方面。在领域问题层面，非洲非正式经济占主导，护理工作常游离于正规统计之外，数据稀疏且质量参差不齐，难以准确反映实际就业规模；同时性别维度的细分数据缺失严重，导致对女性护理从业者的贡献评估不足。在构建过程中，原始数据依赖各国调查与行政记录，存在来源不一致、年份不连续和定义差异等难题，ILO虽进行协调但部分观测值仍标记为“序列中断”或“临时性”，需要使用者谨慎处理数据质量与可比性问题。

常用场景

经典使用场景

该数据集是专为非洲国家非正式护理就业领域设计的高质量结构化数据资源，包含来自国际劳工组织ILOSTAT数据库的417条观测记录，覆盖35个非洲国家在2000年至2025年间的年度时间序列数据。数据集的核心变量'非正式护理就业人数（千人）'按性别（总、男性、女性）进行细致分解，使其特别适用于时间序列预测、面板数据回归以及多分类建模任务。研究者和数据分析师可通过HuggingFace Datasets库便捷加载数据，并灵活地按国家筛选、按指标提取时间序列，或构建国家-年份矩阵，为非洲劳动市场的量化分析提供坚实基础。

解决学术问题

该数据集精准回应了非洲非正式护理经济领域长期存在的数据匮乏与标准化不足的学术痛点。它解决了如何跨国家、跨时间维度系统衡量非洲地区非正式护理从业人员规模的关键难题，为劳动经济学、性别研究和公共健康领域的学者提供了统一、可比较的实证素材。通过引入ILOSTAT的官方统计标准与数据质量标注（如断点标记、来源说明），该数据集使得研究者能够严谨地评估非正式护理就业对劳动力性别差异、社会保障覆盖缺口以及可持续减贫目标的深远影响，有力推动了非洲语境下关于护理劳动经济价值的学术讨论。

实际应用

在实际应用层面，该数据集为国际发展组织、非洲各国统计部门及政策智库提供了可靠的决策支持工具。例如，各国劳动部可依据性别分层的就业数据，精准设计非正式护理从业者的社会保障接入路径；非政府组织可利用时间序列趋势评估女性在护理领域的就业脆弱性，并倡导更具包容性的劳动保护政策。世界银行与国际货币基金组织等机构亦可将其融入区域劳动市场模型，量化护理经济对GDP增长的贡献，从而优化基础设施投资与人力资源配置方案。

数据集最近研究

最新研究方向

基于国际劳工组织ILOSTAT数据源，该数据集聚焦于非洲35国2000至2025年间的有偿非正规护理就业数据，按性别细分。在当前全球劳动力市场重构与可持续发展目标（SDG）框架下，非正规护理经济作为被长期低估的劳动力支柱，正成为劳动经济学与性别研究的前沿交叉领域。该数据集为分析非洲大陆护理工作的性别分工、非正规就业的时空演变及政策干预效果提供了高频面板数据，尤其与ILO倡导的体面劳动议程、新冠疫情后护理危机热紧密衔接。其跨年度纵向观测与多国覆盖特性，使得研究者能够量化护理就业弹性、追踪性别就业差距收敛趋势，并为估算非正规经济对GDP贡献及完善社会保护体系提供实证基石，对推动非洲地区包容性增长与职业性别平等具有重要基准意义。