electricsheepafrica/africa-ilo-str-days-eco-rt-days-not-worked-due-to-strikes-and-lockouts-by-eco

该数据集包含关于因罢工和停工而未工作的天数（按经济活动划分，每1000名工人）的工业关系数据，专门针对非洲地区。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，覆盖了5个非洲国家（包括南非、毛里求斯、埃及、尼日尔和塞舌尔），时间跨度为1980年至2024年，共有834个观测值。数据集的核心指标是STR_DAYS_ECO_RT，用于衡量每1000名工人因罢工和停工而未工作的天数，按经济活动细分。数据以年度频率发布，经过ILOSTAT API获取并过滤，确保与ILO的统计标准一致。数据集架构包括国家代码、国家名称、数据来源、指标代码、分类变量、观测年份、观测值等列，适用于表格分类、回归和时间序列预测等任务。数据质量方面，ILO选择最佳来源处理多源数据，且分类列仅在指标发布细分数据时非空。数据集旨在为研究人员和开发者提供机器学习就绪的非洲劳动力市场数据，便于通过HuggingFace的datasets库快速加载和分析。This dataset contains industrial relations data on days not worked due to strikes and lockouts, measured per 1,000 workers and disaggregated by economic activity, specifically focusing on the African region. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), covering 5 African countries including South Africa, Mauritius, Egypt, Niger, and Seychelles, spanning the period from 1980 to 2024 with a total of 834 observations. The core indicator of this dataset is STR_DAYS_ECO_RT, which measures the days not worked per 1,000 workers due to strikes and lockouts, disaggregated by economic activity. The data is released at an annual frequency, obtained and filtered via the ILOSTAT API to ensure alignment with ILO statistical standards. The dataset schema includes columns such as country code, country name, data source, indicator code, categorical variables, observation year, and observed value, making it suitable for tasks like tabular classification, regression, and time series forecasting. In terms of data quality, the ILO selects the best available sources to process multi-source data, and categorical columns are only non-null when the indicator publishes disaggregated data. This dataset aims to provide machine learning-ready African labor market data for researchers and developers, facilitating rapid loading and analysis via the Hugging Face datasets library.

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REST API直接提取‘因罢工和停工而损失的工作日数（每千名工人）’指标，并过滤至非洲国家ISO3代码范围。ILOSTAT利用国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行统一协调，数据来源涵盖劳动力调查、行政记录等，并在数据集中通过‘source.label’字段标注来源以保障可追溯性。最终由Electric Sheep Africa进行重封装，形成包含834条观测、覆盖5个非洲国家、时间跨度从1980年至2024年的结构化数据集。

特点

该数据集聚焦非洲地区劳资关系领域，核心指标为‘因罢工和停工导致的经济活动损失工作日数（每千名工人）’，提供单一但高度聚焦的量化视角。数据涵盖南非、毛里求斯、埃及、尼日尔和塞舌尔等国，各国家观测数量差异显著，时间序列长度不一，便于进行跨国比较与纵向分析。数据模式包括国家代码、年份、观测值、来源、分类变量及注释字段，且采用ILO官方‘最佳来源’策略处理多源冲突，确保数据权威性与一致性。

使用方法

用户可通过HuggingFace Datasets库快速加载数据，使用`load_dataset()`函数将数据集导入为Pandas DataFrame，便于后续分析与可视化。典型应用包括按国家筛选数据以考察特定国家的罢工趋势，绘制指定指标的时间序列折线图以揭示历史波动，或通过数据透视表构建国家×年份的矩阵，实现跨国横向对比。该数据集适用于时间序列预测、分类与回归等机器学习任务，尤其适合非洲区域劳资关系与劳动力市场的研究场景。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于1980年至2024年间统计整理，并由Electric Sheep Africa于2024年重新封装发布，旨在系统记录非洲五国（南非、毛里求斯、埃及、尼日尔、塞舌尔）因罢工与闭厂行为导致的每千名工人损失工作日数。作为ILOSTAT数据库的衍生资源，该数据集聚焦于劳资关系这一核心研究问题，填补了非洲大陆在工业冲突量化指标上的长期数据空白。其影响力体现在为劳动经济学、发展社会学及政策制定者提供了纵向可比的时间序列，有助于揭示非洲地区劳资纠纷的时空演变规律与经济活动的关联性。数据集包含834条观测记录，覆盖农业、制造业、服务业等多行业分类，为区域劳动力市场研究奠定了坚实的实证基础。

当前挑战

该数据集面临的核心挑战在于所解决的领域问题：非洲国家劳资冲突数据的稀疏性与非标准化，传统来源常因统计口径不一或档案缺失而难以进行跨国比较，而ILOSTAT通过统一采用ICLS定义进行数据协调，显著提升了跨区域可比性。构建过程中，主要挑战包括数据获取难度——依赖各国行政记录与劳动调查，但非洲多国报告机制不健全导致部分时段（如尼日尔1985-1991年）数据零星；此外，原始数据中不同来源（如劳工关系记录与劳动力调查）存在指标冲突，需通过ILO的“最佳来源”选择规则进行优先性裁定，这一过程可能引入主观偏差。最后，数据集仅保留年度频率，放弃了月度或季度细粒度信息，限制了短期波动与突发事件效应的分析能力。

常用场景

经典使用场景

该数据集收录了1980年至2024年间非洲五国因罢工与停工导致的每千名工人损失工作日数，共计834条观测记录。经典使用场景涵盖时间序列分析与面板数据回归，研究者可借此追踪各国劳资冲突对生产力的动态影响，或构建经济活动的多变量预测模型。表格分类任务则可用于检验经济部门、地理区域与年份等因素对罢工强度的交互效应，为劳动经济学中的冲突与生产率关系提供量化工具。

解决学术问题

该数据集精准回应了劳动经济学与发展经济学中若干核心议题：如何测度集体劳资行为对非洲经济体的实际损耗？它使研究者得以突破长期缺乏标准化长时段数据的困境，系统评估罢工的经济代价及其对劳动力市场的级联效应。借助跨年代、跨国别的观测，学者可检验制度变迁对工业冲突频次或持续时间的调节作用，深化对非洲劳动关系演进规律的理解。

衍生相关工作

该数据集衍生出一系列聚焦非洲劳动关系量化研究的经典工作：学者利用其时间序列维度构建罢工预测模型，融合宏观经济指标验证劳资冲突与失业率、通货膨胀的交互机制。部分研究以面板数据为基础，比较非洲区别于发达经济体的罢工模式——如周期性特征弱化、政策干预敏感度偏高。此外，数据集被整合进更广泛的全球ILOSTAT数据库分析中，推动跨区域工业关系比较研究的进展。