electricsheepafrica/africa-ilo-eip-teip-sex-dsb-nb-persons-outside-the-labour-force-by-sex-and-disabi

该数据集包含非洲41个国家在1998年至2025年期间关于“其他劳动力未充分利用指标”的1,122个观测值，具体指标为“按性别和残疾状况划分的非劳动力人口（千计）”。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，涵盖了按性别（总计、男性、女性）和残疾状况分类的统计信息。数据集旨在为研究非洲劳动力市场、就业趋势和残疾人群参与情况提供结构化数据支持，适用于表格分类、回归和时间序列预测等任务。This dataset contains 1,122 observations regarding "other underutilized labor indicators" from 41 African countries spanning the period 1998 to 2025. The specific indicator is "non-labor force population by sex and disability status (in thousands)". The data is sourced from the ILOSTAT statistical database of the International Labour Organization (ILO), covering statistics categorized by sex (total, male, female) and disability status. This dataset is designed to provide structured data support for research on African labor markets, employment trends and the participation of persons with disabilities, and is suitable for tasks including table classification, regression and time series forecasting.

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数据库，聚焦于非洲地区劳动力市场边缘人群的统计观测。数据通过ILOSTAT REST API直接拉取，具体指标为EIP_TEIP_SEX_DSB_NB，代表按性别和残疾状况划分的劳动力外部人口数量（单位：千）。原始数据经过ILO统计部门基于国际劳工统计学家会议（ICLS）定义的标准进行统一整合，以确保跨国家、跨年份的可比性。随后，数据集被限定至非洲41个国家的ISO3国家代码，并由Electric Sheep Africa团队重新打包为机器学习就绪的格式，提供1122条观测记录，时间跨度覆盖1998年至2025年。

使用方法

该数据集的使用极为便捷，完全兼容HuggingFace的datasets库。用户只需调用`load_dataset`函数即可一键加载，并可直接转换为pandas DataFrame进行后续分析。对于国别比较，可依据`ref_area`字段进行筛选。时间序列分析则可通过`indicator`字段定位具体指标，利用`time`与`obs_value`字段进行排序与可视化。此外，数据集支持通过`pivot_table`轻松重构为国家×年份的矩阵形式，便于进行面板数据统计分析或机器学习特征工程。每个数据点都附带了元数据标注，确保了数据处理与引用过程中的可追溯性。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，并经Electric Sheep Africa重新打包整合，聚焦于非洲地区按性别与残疾状况划分的劳动力市场外人口统计（单位：千人）。数据集汇集了来自ILOSTAT数据库的标准化劳动统计指标，覆盖41个非洲国家，时间跨度从1998年至2025年，共包含1122条观测记录。ILOSTAT作为全球劳动统计的权威来源，遵循国际劳动统计学家会议（ICLS）定义对各国劳动力调查、人口普查等微观数据进行协调统一，确保了数据的可比性与可靠性。该数据集的核心研究问题在于揭示非洲地区女性与残疾群体在劳动参与中的边缘化程度，为评估可持续发展目标（SDGs）中体面工作与包容性增长相关进展提供了关键量化工具。其对劳动经济学、发展研究及政策分析领域具有显著影响力，尤其填补了非洲地区长时序、细粒度劳动赋闲数据的空白。

当前挑战

领域挑战方面，数据集回应了非洲劳动力市场中长期被忽视的隐形失业问题——传统失业率指标未能捕捉因残疾、性别歧视或基础设施匮乏而完全退出劳动市场的群体，导致政策干预盲区。构建过程中的挑战则包括：数据来源的异构性，各国统计能力差异导致数据稀疏（如仅有6个国家覆盖完整时段）；多源协调中“最佳来源”选择的内在偏差；数据质量标注复杂，如存在序列断裂、方法修订等元数据标记，需审慎处理时间序列一致性。此外，按残疾状况的分层数据在非洲极其匮乏，现有观测多依赖单一年份普查，限制了纵向分析与因果推断的稳健性。

常用场景

经典使用场景

该数据集汇集了国际劳工组织ILOSTAT数据库中关于非洲地区未参与劳动力人群的权威统计数据，涵盖了41个非洲国家自1998年至2025年间超过千条观测记录。其最经典的使用场景在于构建城乡劳动力参与率与残障状况的关联分析模型。研究者可以通过解析按性别与残障状态分层的劳动力外流数据，揭示非洲大陆特定群体在经济社会发展中所面临的系统性屏障，为劳动力市场结构性失衡的量化评估提供坚实的数据基础。

解决学术问题

该数据集精准回应了劳动经济学与发展研究中长期悬而未决的议题：如何系统性地度量残障群体在非洲劳动力市场中的边缘化程度。突破以往局限于单一国家或截面的研究范式，以跨国、跨时段的纵向视角，使学者能够精确检验性别与残障状况对劳动力参与决策的交互效应。数据集推动了包容性增长理论在非洲情境下的实证检验，深刻影响了关于劳动力市场歧视、社会保护机制有效性以及可持续发展目标实现路径的学术讨论。

实际应用

在实际应用层面，该数据集为非洲国家政府及国际发展机构提供了制定精准就业政策的决策依据。通过识别不同性别与残障状况群体在劳动力市场外的分布特征与变化趋势，政策制定者可以设计更具针对性的职业培训计划、社会保障方案及无障碍就业促进措施。此外，该数据也赋能非营利组织在项目评估中建立基线指标，追踪干预措施对提升残障人士就业参与率的实际成效。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区因性别和残疾状态而游离于劳动力市场之外的群体规模量化，为劳动经济学中关于劳动力利用不足的前沿研究提供了关键的时间序列面板数据。结合ILOSTAT对国际劳工统计会议定义的严格遵循，该数据源正被用于分析非洲大陆包容性就业政策的实效性，尤其围绕《2030年可持续发展议程》中关于体面工作与残疾人权益的SDG目标。当前热点方向包括利用该数据构建机器学习模型，以预测不同性别与残疾群体在劳动力市场边缘化的动态趋势，并评估社会保障体系的覆盖盲区，从而为非洲各国制定更具针对性的劳动市场干预策略提供实证依据。