electricsheepafrica/africa-ilo-sdg-b871-sex-age-rt-sdg-indicator-8-7-1-proportion-of-children-engaged

该数据集名为“SDG indicator 8.7.1 - Proportion of children engaged in economic activity and household ch | Africa (ILOSTAT)”，是一个关于儿童劳动的表格型数据集，专门针对非洲地区。它包含747个观测值，覆盖42个非洲国家，时间跨度为2008年至2024年。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为非洲国家代码，涵盖了可持续发展目标（SDG）指标8.7.1，即按性别和年龄分组的儿童参与经济活动及家务劳动的比例（百分比）。数据集适用于表格分类、回归和时间序列预测任务，主题涉及儿童劳动、就业和非洲发展。数据模式包括国家代码、年份、观测值、性别分类等列，并提供了数据质量说明，如年度频率和最佳来源选择。该数据集由Electric Sheep Africa重新打包，旨在为非洲提供统一的机器学习就绪数据层。license: cc-by-4.0 语言：英语 任务类别： - 表格分类（tabular-classification） - 表格回归（tabular-regression） - 时间序列预测（time-series-forecasting） 多语言类型：单语 样本规模： - 少于1000条 标签： - 表格数据 - 非洲 - ILOSTAT - 童工（child-labour） - 国际劳工组织（ILO） - 劳动 - 就业 美观名称："可持续发展目标指标8.7.1——从事经济活动与家务劳动的儿童占比 | 非洲（ILOSTAT）" --- # 可持续发展目标指标8.7.1——从事经济活动与家务劳动的儿童占比 | 非洲（ILOSTAT） 🌍 **747条观测数据** · **42个非洲国家** · **2008–2024年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新封装*      ## 快速概览 本数据集包含覆盖**42个非洲国家、时间跨度为2008至2024年**的**童工相关数据**，共计**747条观测记录**，仅涉及**1项独立指标**。 ## 数据来源说明 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（ILO）的核心统计数据库，也是全球领先的劳动统计权威来源。该库整合了就业、失业、薪酬、工作时长、童工、非正规经济、社会保障、职业伤害以及可持续发展目标体面工作目标等多类指标，数据源自全国劳动力调查、家庭收入调查、机构调查与行政记录。其覆盖范围涵盖200余个经济体，由国际劳工组织统计部门负责数据标准化处理。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=SDG_B871_SEX_AGE_RT) - **发布方**：国际劳工组织（ILO） - **许可证**：[CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：童工问题 ## 数据处理方法 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=SDG_B871_SEX_AGE_RT`拉取数据，并筛选出非洲地区的ISO 3位国家代码数据。ILOSTAT采用国际劳工统计学家会议（ICLS）的定义对原始调查微观数据进行标准化处理；数据来源信息将在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 覆盖42个非洲国家，以下为按数据条数排序的部分国家： | 国家 | 数据条数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `ZMB` | 60 | 2018 | 2022 | | `TGO` | 48 | 2009 | 2022 | | `NER` | 33 | 2009 | 2022 | | `GNB` | 32 | 2014 | 2022 | | `GIN` | 24 | 2010 | 2016 | | `SDN` | 24 | 2014 | 2022 | | `CIV` | 24 | 2016 | 2022 | | `CAF` | 24 | 2010 | 2019 | | `BDI` | 24 | 2017 | 2020 | | `BEN` | 24 | 2018 | 2022 | | `UGA` | 24 | 2012 | 2021 | | `TCD` | 24 | 2015 | 2019 | | `MWI` | 24 | 2015 | 2024 | | `STP` | 22 | 2014 | 2019 | | `GAB` | 21 | 2012 | 2021 | | ... | _另有27个国家_ | | | ## 指标（示例） - `SDG_B871_SEX_AGE_RT` — 可持续发展目标指标8.7.1：按性别与年龄分组的从事经济活动及家务劳动的儿童占比（%） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | 字符串 | ISO 3166-1 alpha-3 国家代码 | `AGO` | | `ref_area.label` | 字符串 | 英文国家名称 | `安哥拉` | | `source` | 字符串 | ILOSTAT 来源代码（例如劳动力调查） | `BX:15706` | | `source.label` | 字符串 | 英文来源名称 | `HS - 人口与健康调查` | | `indicator` | 字符串 | ILOSTAT 指标代码 | `SDG_B871_SEX_AGE_RT` | | `indicator.label` | 字符串 | 英文指标名称 | `可持续发展目标指标8.7.1——从事…` | | `sex` | 字符串 | 按性别分组（`SEX_T`=总计，`SEX_M`=男性，`SEX_F`=女性） | `SEX_T` | | `sex.label` | 字符串 | — | `总计` | | `classif1` | 字符串 | 第一分类变量（年龄、教育程度、身份等） | `AGE_CLDVERSION_Y15-17` | | `classif1.label` | 字符串 | — | `年龄：15-17岁` | | `time` | 64位整数 | 观测年份 | `2016` | | `obs_value` | 64位浮点数 | 观测指标值（单位因指标而异，详见指标定义） | `4.243` | | `obs_status` | 字符串 | 观测状态标记（例如暂定、不可靠） | `U` | | `obs_status.label` | 字符串 | — | `不可靠` | | `note_indicator` | 字符串 | — | `I11:264` | | `note_indicator.label` | 字符串 | — | `序列中断：方法学已修订` | | `note_source` | 字符串 | — | `R1:3513` | | `note_source.label` | 字符串 | — | `存储库：国际劳工组织统计数据库——微观数据…` | ## 数据细分维度 以下字段提供数据细分维度： - **`sex`**（共3个唯一取值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 数据为年度频率。部分指标同时发布月度或季度序列，但本数据集未包含此类数据。 - 若同一国家×年份的同一指标存在多个数据源，将采用国际劳工组织选定的「最优数据源」。 - 仅当指标支持对应细分维度时，细分字段（`sex`、`classif1`、`classif2`）才会有非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-sdg-b871-sex-age-rt-sdg-indicator-8-7-1-proportion-of-children-engaged") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python kenya = df[df["ref_area"] == "KEN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "SDG_B871_SEX_AGE_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="SDG_B871_SEX_AGE_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "SDG_B871_SEX_AGE_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_sdg_b871_sex_age_rt_sdg_indicator_8_7_1_proportion_of_children_engaged_2024, title = {SDG indicator 8.7.1 - Proportion of children engaged in economic activity and household ch | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=SDG_B871_SEX_AGE_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-sdg-b871-sex-age-rt-sdg-indicator-8-7-1-proportion-of-children-engaged}} } ## 许可证信息 本数据集基于[CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/)协议发布。原始数据版权归国际劳工组织（ILO）所有。使用本数据集时，请同时引用上述原始数据源与Electric Sheep Africa的重新封装工作。 ## 关于Electric Sheep Africa Electric Sheep Africa 是Electric Sheep项目的组成部分，该项目旨在为HuggingFace平台上的非洲地区数据构建统一的、适配机器学习的标准化数据层。我们从权威开源数据源拉取数据，对其 schema 进行标准化处理，封装为Parquet格式，并发布格式统一的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动数据分析工作。 浏览完整数据集集合：[huggingface.co/electricsheepafrica](https://huggingface.co/electricsheepafrica) --- _数据溯源：2026年5月26日通过Electric Sheep流水线摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=SDG_B871_SEX_AGE_RT_

搜集汇总

数据集介绍

构建方式

该数据集以国际劳工组织（ILO）的ILOSTAT中央统计数据库及联合国可持续发展目标（SDG）官方数据为源，由Electric Sheep Africa团队进行系统化整理与重新封装。构建过程遵循开放数据工程规范，将原始指标数据转换为Parquet列式存储格式，并配套标准化元数据以支持非洲区域的数据发现与复用。数据覆盖42个非洲国家，时间跨度为2008年至2024年，共计747条观测记录，属于小规模高信息密度的结构化数据集。

特点

数据集聚焦于SDG指标8.7.1，即儿童参与经济活动及家务劳动的比例，涵盖性别、年龄等分组维度，具备明确的经济与劳动统计属性。其特点在于以非洲区域为地理范围，结合ILOSTAT与联合国SDG数据源，形成兼具权威性与区域针对性的表格化数据资源。数据格式为Parquet，便于高效读取与列式分析，同时附带文本型元数据，支持数据溯源与上下文理解。整体规模虽小于千条，但变量结构清晰，适合作为劳动经济学与儿童福利研究的微观分析基础。

使用方法

使用该数据集时，可借助Hugging Face datasets库直接加载，通过load_dataset函数获取数据对象，并利用features属性查看字段结构，或调用to_pandas方法转换为Pandas数据框以进行后续统计建模。分析前应检查各变量的缺失值分布与单位定义，避免直接依据标签推断政策含义。地理维度可通过显式国家列进行筛选，时间维度可结合年份字段开展趋势分析，亦可与其他Electric Sheep Africa数据集基于国家、年份和指标字段进行横向合并，以构建可复现的研究工作流。

背景与挑战

背景概述

在可持续发展目标（SDGs）的全球监测框架下，童工问题作为目标8.7的核心关切，长期依赖国际劳工组织（ILO）的统计能力加以量化。该数据集由Electric Sheep Africa于2026年基于联合国SDG数据与ILOSTAT来源标准化构建，覆盖42个非洲国家、2008至2024年间747条观测记录，旨在刻画5至17岁儿童参与经济活动及家务劳动的性别与年龄分布。其核心研究问题在于以可复现的表格形式提供SDG指标8.7.1的非洲区域证据，弥合区域数据碎片化与建模可用性之间的鸿沟，为劳动经济学与非洲发展研究提供细粒度、可机读的基准数据。

当前挑战

从领域层面看，童工测算面临定义边界模糊、经济活动与家务劳动界限交织、非正式部门采样偏差等固有难题，直接制约跨国比较与趋势推断的可靠性。构建过程中，源数据存在元数据缺环（如国家与上游发布者字段缺失）、指标口径随年份调整、以及部分国家时间序列断裂等现实障碍；746条记录跨42国17年，覆盖稀疏导致细粒度性别与年龄交叉分析易受小样本波动干扰。数据标准化虽提升了可发现性，但缺失值处理、单位确认与地理假设仍需下游分析者审慎裁定。

常用场景

经典使用场景

在劳动经济学与可持续发展目标监测领域，该数据集构成了探究非洲儿童经济活动与家务劳动参与状况的基准性数据资源。研究者依托其覆盖42个非洲国家、2008至2024年间的747条观测记录，得以系统刻画童工现象的时空分布特征与性别—年龄维度的异质性。其典型使用路径在于借助表格分类与回归任务，识别影响儿童劳动参与率的关键变量，并开展跨国比较分析，从而为SDG 8.7.1指标的进展评估提供可复现的实证基础。

实际应用

在政策制定与国际组织实务中，该数据集可服务于童工干预项目的精准定位与效果评估。国际机构与非洲各国劳工部门能够依据分性别、分年龄的参与率数据，识别高风险区域与脆弱群体，优化资源配置与干预时序。同时，非政府组织与公益基金会可借助其开展基线调查与进展追踪，将实证证据嵌入项目设计与问责框架。这些应用共同提升了SDG 8.7.1相关政策的循证水平与执行透明度。

衍生相关工作

以该数据集为基座，衍生工作主要沿三条脉络展开：其一为与其他Electric Sheep Africa目录数据集进行国别—年份—指标联结，构建非洲劳动市场综合面板；其二为面向机器学习社区发布的可复现notebook与基准模型，用以测试表格分类与回归算法在童工预测中的表现；其三为围绕SDG指标的元数据增强与可视化仪表板开发，推动开放数据在非洲发展议题中的再利用与传播。