electricsheepafrica/africa-ilo-how-toue-sex-nb-mean-weekly-hours-actually-worked-per-employee-in

该数据集包含了非洲24个国家从2009年至2025年关于旅游业员工平均每周实际工作时间的210个观测值，涵盖1个核心指标（HOW_TOUE_SEX_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，经过Electric Sheep Africa重新打包，以标准化格式（Parquet）提供，便于机器学习使用。数据集包含国家代码、年份、性别（总计、男性、女性）、观测值、数据来源和质量标志等多列信息，适用于表格分类、回归和时间序列预测等任务。This dataset contains 210 observations on the average weekly actual working hours of tourism industry employees across 24 African countries from 2009 to 2025, covering one core indicator (HOW_TOUE_SEX_NB). The data is sourced from the ILOSTAT statistical database of the International Labour Organization (ILO), repackaged by Electric Sheep Africa, and provided in a standardized Parquet format for machine learning applications. The dataset includes multiple columns such as country code, year, gender (total, male, female), observed values, data source, and quality flags, and is suitable for tasks including tabular classification, regression, and time series forecasting.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）的ILOSTAT数据库，该数据库是劳动统计领域的权威全球数据源。数据通过调用ILOSTAT REST API直接获取，并依据ILO的ICLS（国际劳动统计学家会议）定义对原始调查微观数据进行统一协调与处理。在整合过程中，数据集进一步筛选出非洲24个国家的ISO3国家代码，最终形成包含210条观测记录的精选集合，每条记录均标注了数据来源以供追溯。

特点

该数据集聚焦于非洲旅游业从业者的周平均实际工作时间，时间跨度覆盖2009年至2025年，涵盖24个非洲国家，呈现出显著的区域与时间维度覆盖广度。数据按性别进行细分，提供总计、男性与女性三个维度，便于分析不同性别群体的劳动时间特征。此外，每条记录均携带观测状态标记（如序列中断、方法修订）及来源注释，确保了数据质量的透明性与可追溯性，为研究者提供了丰富的元数据支持。

使用方法

研究者可通过HuggingFace Datasets库中的`load_dataset()`函数便捷地加载该数据集。加载后，利用`to_pandas()`方法即可将数据转化为Pandas DataFrame格式，便于后续分析。使用时可针对特定国家进行筛选，或针对单一指标进行时间序列可视化。此外，通过数据透视功能，可将数据重塑为国家×年份的矩阵形式，支持面板数据分析与横向比较。推荐在相关研究中引用原始ILOSTAT数据源及Electric Sheep Africa的二次封装工作。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其ILOSTAT数据库发布，经Electric Sheep Africa重新打包整理，聚焦非洲24国旅游业雇员周均实际工作小时数（2009–2025年，共210条观测）。旅游业作为非洲经济支柱产业之一，其劳动力市场特征长期缺乏细粒度、跨国的标准化数据支撑。该数据集依托ILO基于国际劳工统计学家会议（ICLS）定义进行的调查微观数据协调工作，旨在填补非洲区域旅游业劳工统计数据的空白，为比较劳动经济学、旅游经济学及可持续发展目标提供可复用的量化基础。其影响力体现在为研究者提供了首个覆盖多国、时间跨度达16年的旅游业工时面板数据，助力分析非洲国家间旅游业劳动强度的时空异质性及趋势变迁。

当前挑战

该数据集的构建与使用面临多重挑战。其一，非洲国家旅游业劳动力统计的领域问题在于数据稀疏性：仅24国具有可用记录，且多数国家观测不足10条（如塞舌尔仅6条、佛得角仅3条），导致跨国家、跨时间的推断存在显著偏差风险。其二，构建过程中需处理数据协调难题，不同来源（如劳动力调查、行政记录）因调查方法论异质性导致序列中断（如字段`obs_status`标记为'Break in series'），需按ILO'最佳来源'原则筛选，但该规则可能掩盖国家间与年份间的可比性损失。其三，按性别划分的观测（`sex`列）仅覆盖部分数据，进一步限制了面向性别维度的劳动强度分析潜力。

常用场景

经典使用场景

在旅游经济学与劳动统计的交叉领域，该数据集为研究者提供了一扇窥探非洲旅游业从业者劳动强度的窗口。其经典使用场景聚焦于跨国家、跨性别的周均实际工时对比分析，借助ILOSTAT标准化指标，研究者可基于210条年度观测数据，构建面板回归模型，考察经济发展水平、旅游政策演变或季节性因素对从业人员工作强度的影响轨迹。

实际应用

在实际应用层面，该数据集可作为国际发展机构进行劳动政策评估的关键参考。例如，世界银行或非洲联盟可利用其中各国工时数据，结合旅游收入与就业人口统计，监测Sustainable Development Goal 8（促进体面工作和经济增长）在旅游部门的进展；各国劳动部门亦能通过纵向比对，识别工时异常波动，用于调整最低工时立法和劳动监察资源配置。

衍生相关工作

该数据集推动了多项衍生研究的涌现。基于其规范化结构，已有工作将其与ILOSTAT同源的就业率、工资水平等指标融合，构建非洲旅游业体面劳动综合指数；另有一些研究借助该时序数据，使用Prophet、LSTM等预测模型对非洲重点旅游目的地未来工时趋势进行预测；此外，Electric Sheep Africa发布的统一格式版本促使研究者开发了跨数据集的自动化分析流水线，显著降低了非洲多国劳动统计数据的整合门槛。