electricsheepafrica/africa-ilo-cld-xhaz-sex-age-geo-rt-share-of-children-in-hazardous-work-by-sex-age-and

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非洲童工数据，具体指标为按性别、年龄和城乡地区划分的儿童从事危险工作的比例（%）。数据集涵盖39个非洲国家，时间跨度为2001年至2025年，共1,915个观测值。数据通过ILOSTAT REST API获取，并过滤为非洲国家代码。数据集为表格格式，包含国家代码、国家名称、数据来源、指标代码、性别分类、年龄分类、城乡分类、观测年份、观测值等字段，并提供了数据质量说明，如年度频率、最佳来源选择等。数据集适用于表格分类、回归和时间序列预测等任务，可用于分析非洲儿童危险劳动的趋势和模式。This dataset contains African child labor data sourced from the International Labour Organization (ILO) ILOSTAT database, with the specific indicator being the percentage of children engaged in hazardous work, disaggregated by gender, age, and urban-rural region. The dataset covers 39 African countries, spans the period from 2001 to 2025, and includes a total of 1,915 observations. The data was retrieved via the ILOSTAT REST API and filtered to retain only African country codes. The dataset is in tabular format, containing fields such as country code, country name, data source, indicator code, gender category, age category, urban-rural classification, observation year, and observed value. It also provides data quality descriptions including annual frequency and best source selection. This dataset is applicable for tasks such as tabular classification, regression, and time series forecasting, and can be used to analyze the trends and patterns of hazardous child labor across Africa.

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，通过其REST API接口直接获取名为CLD_XHAZ_SEX_AGE_GEO_RT的指标数据，并依据非洲ISO3国家代码进行地理过滤。原始数据来源于各国劳动力调查、家庭收入调查及行政记录，经ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行统一协调与标准化处理。Electric Sheep Africa团队将数据重新封装为Parquet格式，确保其机器学习就绪性，最终以HuggingFace数据集的形式发布，共计包含1915条观测记录。

特点

该数据集聚焦于非洲39个国家2001至2025年间儿童从事有害工作的比例，按性别、年龄及城乡地域进行详尽分层。数据集中包含唯一的指标CLD_XHAZ_SEX_AGE_GEO_RT，提供性别（男、女、总体）、年龄组（如15-17岁）及地理覆盖类型（国家或城乡区域）等多维度分类变量。每个观测值均附有来源标识、观测状态标志及注释信息，便于用户追溯数据质量与潜在断裂。该数据以年度频率呈现，是研究非洲童工问题的稀缺面板数据资源。

使用方法

用户可通过HuggingFace的datasets库直接加载数据集：使用`load_dataset`命令获取数据，并调用`to_pandas()`方法转换为DataFrame进行分析。针对特定国家，可利用`ref_area`列进行过滤；进行时间序列分析时，可按指标和年份排序并绘制趋势图。为构建国家×年份的矩阵，可利用pivot_table功能进行数据重塑。该数据集支持分类、回归及时间序列预测任务，适合用于监测非洲区域可持续发展目标中体面劳动指标的进展情况。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于其核心统计数据库ILOSTAT中创建，并由Electric Sheep Africa于2025年重新打包发布，聚焦非洲地区从事危险劳动儿童的比例问题。儿童从事危险劳动是阻碍联合国可持续发展目标（SDG）第八项体面工作与经济增长实现的关键挑战，尤其在非洲，贫困、冲突与制度薄弱导致这一现象尤为严峻。数据集包含2001至2025年间39个非洲国家的1915条观测，涵盖按性别、年龄及城乡区域划分的儿童在危险工作中占比指标，为全球劳动经济学、发展政策及儿童保护研究提供了高颗粒度的标准化数据。作为ILO规范化的劳动统计成果，该数据集被广泛应用于跨国比较、趋势分析与政策评估，显著提升了非洲儿童劳动问题的可量化性，对推动区域乃至全球的体面劳动议程具有深远影响。

当前挑战

该数据集面临的核心挑战在于，其解决的领域问题——衡量并量化儿童从事危险劳动的比例——因非洲各国数据采集能力不均而具有高度复杂性。劳动调查覆盖率低、定义分歧（如ILO标准与地方实践差异）以及政治不稳定导致的统计中断，均使跨国比较存在偏差。构建过程中，数据需从多个国家劳动力调查与行政记录中提取，并经历ILO基于国际劳动统计学家会议定义的繁琐协调与重构，不同来源间的标尺与注释（如‘系列中断’标记）增加了整合难度。此外，性别分层中的枚举不全与城乡区域的属地界定模糊，可能导致分类结果的信度下降，时间跨度较长（2001-2025）中的测量方法更迭亦引入了时序分析的脆弱性，为研究人员在利用该数据集进行稳健建模时提出了对数据质量与溯源透明度的严苛要求。

常用场景

经典使用场景

该数据集的核心应用场景在于对非洲地区儿童从事有害劳动的比例进行系统性建模与分析。基于国际劳工组织（ILO）统一整合的自2001年至2025年间跨越39个非洲国家的1,915条观测记录，研究者可以按性别、年龄组及城乡地理区域进行细粒度拆解，进而利用时间序列预测、分类或回归等机器学习范式，精准刻画影响儿童有害劳动比例的关键社会经济变量。

衍生相关工作

该数据集的诞生直接促进了多个衍生研究工作。研究者可基于其ILOSTAT统一方法论与ISO 3166编码体系，将其与非洲国家教育入学率、GDP增长率、冲突事件库及家庭微观调查数据进行融合，构建多维面板数据集。由此催生的典型工作包括：利用贝叶斯层次模型估算未观测年份的值、潜在类别分析识别有害劳动模式的典型国家群，以及运用因果森林算法揭示城乡差异下童工危险的异质性驱动因素。

数据集最近研究

最新研究方向

在非洲童工问题长期受到国际社会关注的背景下，该数据集聚焦于39个非洲国家2001至2025年间儿童从事有害工作的比例，并按性别、年龄及城乡地域进行精细分层。前沿研究方向集中在利用这一高颗粒度面板数据构建时空预测模型，揭示童工模式与社会经济、教育普及及政策干预之间的动态关联。特别是，结合SDG体面工作目标指标，研究者可量化各国在消除最恶劣童工形式方面的进展与差距。该数据集依托ILOSTAT权威标准，为非洲区域的因果推断和预警系统开发提供了坚实的实证基础，其精细化的分类维度也为性别平等和城乡差异分析开辟了新的路径。