electricsheepafrica/africa-ilo-pop-3ted-sex-eco-nb-youth-transited-by-sex-and-economic-activity-thous

该数据集包含非洲28个国家从2012年至2025年的青年按性别和经济活动划分的过渡情况（千人数）数据，共3,263个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过API获取并经过标准化处理，覆盖学校到工作过渡主题。数据集包含国家代码、年份、性别分类（总计、男性、女性）、经济活动和观测值等列，适用于表格分类、回归和时间序列预测任务。数据以英语提供，采用CC BY 4.0许可证发布，由Electric Sheep Africa重新打包以支持机器学习应用。This dataset contains data on the transition status (in thousands) of youth in 28 African countries from 2012 to 2025, categorized by gender and economic activity, with a total of 3,263 observations. The data is sourced from the ILOSTAT statistical database of the International Labour Organization (ILO), obtained via API and standardized, covering the school-to-work transition theme. The dataset includes columns such as country code, year, gender category (total, male, female), economic activity, and observed values, and is applicable to tasks such as tabular classification, regression and time series forecasting. The data is provided in English, released under the CC BY 4.0 license, and repackaged by Electric Sheep Africa to support 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核心统计数据库，通过其REST API接口直接抽取指定指标（POP_3TED_SEX_ECO_NB）的原始数据，并依据ISO 3166-1 alpha-3代码筛选出覆盖28个非洲国家的观测记录。ILOSTAT依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查、家庭收入调查及行政记录等来源的微观数据进行标准化与整合，确保跨国的可比性。Electric Sheep Africa团队对原始数据进行重新封装与清洗，保留了包括年度时间戳、性别分类、经济部门划分及观测值状态等核心字段，并以Parquet格式发布至HuggingFace平台，使研究者能便捷调用。

特点

数据集涵盖2012至2025年间的3,263条观测，聚焦于非洲青年群体按性别与经济活动分类的学校向工作过渡状况（以千人为单位）。其核心特色在于多维度的细粒度剖析：通过“sex”与“classif1”等字段支持按性别（总、男、女）及经济部门（如广义产业总览）进行交叉分析。每个观测值均附有来源标签、数据可靠性标志及可能的方法论断裂说明，便于用户甄别数据质量。数据以年度频率呈现，覆盖南非、赞比亚、卢旺达等28国，为区域劳动力市场动态研究提供了具有时间纵深的独特视角。

使用方法

用户可通过HuggingFace Datasets库的`load_dataset()`函数一键加载该数据集至内存，并利用返回的Pandas DataFrame进行后续分析。具体操作包括：使用`df[df["ref_area"] == "国家代码"]`进行单国数据筛选；按`indicator`和`time`排序后绘制时间序列图以观察趋势；通过`pivot_table`构建以年份为行、国家为列的观测值矩阵，便于面板数据分析。数据集中丰富的元数据列（如`obs_status`、`note_indicator`）可用于过滤不可靠记录，提升分析结果的稳健性。推荐的引用格式亦已提供，以确保学术规范。

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数据库构建，并由Electric Sheep Africa团队在HuggingFace平台重新封装发布，聚焦于非洲28个国家2012至2025年间青年按性别与经济活动的就业转型情况（单位：千人）。青年从学校到工作的顺利过渡是劳动力市场研究中的核心议题，尤其对非洲大陆而言，其庞大的青年人口与不均衡的经济发展使得追踪这一转型过程成为理解区域就业结构、性别不平等与经济增长潜力的关键。该数据集整合了ILO统一协调的国家劳动力调查与行政记录数据，提供了时间序列与分类维度，为政策制定者与研究人员在体面劳动与可持续发展目标（SDGs）的量化评估中提供了基础性资源。

当前挑战

该数据集所面对的领域挑战在于，非洲各国在青年就业转型的微观数据采集上长期存在口径不一、样本稀疏与可比较性不足的问题，传统统计数据难以精准刻画不同性别与经济部门间的差异。构建过程中，数据来自多个国家的劳动力调查或学校向工作转型专项调查，其来源、方法与国际劳工统计学家会议（ICLS）定义的一致程度参差不齐，部分观测值被标记为不可靠或存在方法论断裂。此外，数据频率为年度，但在某些国家与年份中可能存在严重缺失，且多源数据的选择标准（如ILO'最佳来源'的判定）非透明，增加了数据分析中的不确定性。

常用场景

经典使用场景

该数据集广泛应用于非洲青年劳动力市场中‘学校到工作’转型过程的定量分析。研究人员利用覆盖2012至2025年间28个非洲国家的3263条观测记录，可构建面板数据模型来考察青年就业转型的性别差异与经济部门分布特征。数据集提供的性别与经济活动类别细分维度，使得分析者能够精准追溯不同性别青年在农业、工业、服务业等广义经济部门中的转型轨迹，是探索非洲青年就业结构演变的理想数据基础。

衍生相关工作

基于该数据集衍生的经典工作主要集中在三方面：一是利用时间序列模型预测非洲青年就业转型率的短期走势，为劳动力市场预警系统提供技术支撑；二是结合机器学习分类算法构建青年群体转型成功概率的预测模型，筛选出影响转型的关键社会经济因素；三是以该数据为基准，发展与ILOSTAT其他非洲劳动力指标（如非正规就业率、工资水平）的联合分析框架，形成涵盖青年就业全生命周期的综合评估体系。这些工作进一步拓展了原始数据的分析价值。

数据集最近研究

最新研究方向

该数据集聚焦于非洲青年群体在性别与经济活动维度下的学校向工作转型进程，为国际劳工组织ILOSTAT统计体系中的重要组成部分。当前研究前沿正依托这一高分辨率面板数据，深入剖析非洲青年劳动力市场的结构性转型特征，尤其关注性别差异对就业过渡路径的深远影响。结合非洲各国日益凸显的青年就业挑战与全球可持续发展目标（SDG）中对体面工作的承诺，该数据集为量化评估非洲大陆青年从教育到职场衔接的效率、揭示行业性就业瓶颈、以及构建预测性劳动力供给模型提供了坚实的数据基础。其跨年度、跨国别的纵贯观测能力，使得学术界与政策制定者能够循证追踪非洲劳动力市场制度的演进成效，进而设计更具包容性与精准度的青年就业促进策略。