electricsheepeurope/europe-ilo-emp-stem-sex-oc2-nb-employment-in-stem-occupations-by-sex-and-occupati

该数据集包含4,976个观测值，涉及15个欧洲国家的STEM职业工作者数据，时间跨度为2001年至2025年，涵盖1个独立指标。数据集专注于按性别和职业（ISCO 2级分类）统计的STEM职业就业情况，单位为千，数据来源于ILOSTAT（国际劳工组织的劳动统计数据库）。数据集包括国家代码、年份、性别分类、观测值、数据来源和质量标志等列，适用于表格分类、回归和时间序列预测任务。数据经过ILO harmonisation处理，并包含欧洲多国的年度时间序列。This dataset contains 4,976 observations, covering data on STEM workers from 15 European countries, spanning the period from 2001 to 2025, and includes 1 independent indicator. It focuses on STEM employment statistics categorized by gender and occupation (ISCO 2-level classification), with values in thousands. The data is sourced from ILOSTAT, the labor statistics database of the International Labour Organization. The dataset includes columns such as country code, year, gender category, observed value, data source and quality flag, and is applicable to tasks including tabular classification, regression and time series forecasting. The data has undergone ILO harmonization processing and contains annual time series data from multiple European countries.

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中央统计数据数据库，聚焦于欧洲15个国家在2001年至2025年间STEM职业的就业情况。数据集通过ILOSTAT REST API直接获取原始指标数据，并依据欧洲ISO3国家代码进行筛选，最终生成涵盖1个核心指标、共计4,976条观测值的结构化表格。数据经过ILO统计部门基于国际劳工统计学家会议（ICLS）定义进行统一协调处理，原始调查微观数据来源在`source.label`字段中加以标注，以保障数据的可追溯性与透明度。

特点

数据集以多年面板数据形式呈现，覆盖15个欧洲国家的时间序列记录，每个观测包含`ref_area`（国家代码）、`sex`（性别细分）、`time`（年份）及`obs_value`（就业人数，以千计）等关键字段。值得注意的是，性别维度提供总计、男性与女性三个细分层次，便于分析STEM领域的性别就业差异。此外，数据质量通过`obs_status`（观测状态标记）与`note_indicator`等注释字段予以说明，助益研究者审慎评估数据可靠性。

使用方法

研究者可借助HuggingFace的`datasets`库便捷加载该数据集，通过`load_dataset`接口直接获取并转换为Pandas DataFrame进行分析。典型用法包括按国家代码筛选特定国家的时间序列数据、针对单一指标进行时序可视化，以及利用透视表功能构建国家×年份的矩阵，进而开展多国比较与趋势研究。数据集以cc-by-4.0许可发布，允许自由使用与分享，但需标注原始来源与重打包方信息。

背景与挑战

背景概述

在全球科技创新竞争加剧的背景下，STEM（科学、技术、工程与数学）领域的人力资源配置已成为衡量国家创新潜能与可持续发展能力的关键指标。该数据集由国际劳工组织（ILO）统计部门基于ILOSTAT数据库整理，经Electric Sheep Europe于2025年重新打包发布，聚焦于欧洲15个国家2001至2025年间按性别和职业划分的STEM就业人数（单位：千人），共包含4,976条观测记录。依托ILO对各国劳动力调查数据的标准化处理方法，该数据集为跨国别、跨时间维度的STEM就业结构分析提供了可靠的数据基础，对劳动经济学、性别平等研究和科技政策评估等领域具有重要参考价值。

当前挑战

该数据集所应对的领域问题在于，现有劳动统计数据常因各国调查方法、职业分类标准（如ISCO-08）和统计口径的差异而难以进行直接比较，尤其STEM职业的定义边界模糊，阻碍了跨国横向研究与时间序列分析的有效开展。在构建过程中，面临的挑战包括：原始数据来源多样（劳动力调查、行政记录等），需经由ILO进行复杂的协调与标准化校准；部分国家部分年份的观测值因统计方法修订或数据缺失而被标记为“不可靠”；数据按年发布，缺乏更高频次的月度或季度粒度，难以捕捉STEM就业的短期波动与突发政策影响。

常用场景

经典使用场景

该数据集收录了2001年至2025年间15个欧洲国家按性别和职业细分的STEM就业人数，共计4976条观测记录。在机器学习与统计建模领域，研究者常借助此数据集构建时间序列预测模型，用以预估特定国家或区域未来STEM劳动力的规模与结构变化。同时，该数据适用于多类别分类任务，例如基于历史年份、国家与性别特征预测职业类别，也可用于回归分析，探索不同社会经济变量对STEM就业人数的影响强度。其细粒度的性别与职业维度，为研究劳动力市场中性别不平等与职业分化现象提供了结构化数据基础。

解决学术问题

在学术研究中，该数据集首要解决了欧洲STEM劳动力长期动态监测数据的可获取性与标准化问题。传统上，跨国劳动力统计面临指标口径不一致、时间跨度碎片化等障碍，而ILOSTAT经过协调处理的此数据，使得研究者得以系统分析欧洲各国STEM就业的演变趋势。借助该数据，学者能够量化性别差异在STEM领域中的变化轨迹，检验教育政策、技术革新与产业结构调整对劳动力市场的塑造作用。此外，该数据还助力验证人力资本理论、劳动力市场分割理论等经典假设，在比较政治经济学与劳动经济学中推动了对技术密集型职业发展规律的深入理解。

衍生相关工作

围绕此数据集衍生出的经典工作主要包括：以ILOSTAT系列数据为基础构建的全球劳动力指标面板数据库，常被用于跨国经济计量研究；基于该数据开发的STEM就业预测模型，如结合ARIMA与机器学习集成方法的短期劳动力需求预警系统；以及国家层面STEM性别差距指数编制工作，其中该数据被用作核心输入变量。此外，国际学术期刊如《劳动经济学》与《国际比较社会学》中大量引用了类似ILOSTAT数据，推动了关于技术变革对就业极化影响、性别职业隔离动态演化的实证研究。Electric Sheep Europe将其格式化为机器就绪数据集，进一步降低了学者开展复现研究与跨国比较分析的门槛。