electricsheepasia/asia-ilo-emp-stem-sex-cbr-nb-employment-in-stem-occupations-by-sex-and-place-of

该数据集包含亚洲15个国家从2000年至2024年按性别和出生地划分的STEM职业就业数据（以千人为单位），共651个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为亚洲国家。数据集涵盖单一指标（EMP_STEM_SEX_CBR_NB），提供结构化表格，包括国家代码、年份、性别分类、观测值及数据质量标志等字段。适用于表格分类、回归和时间序列预测等任务，旨在支持劳动力市场分析和机器学习研究。license: cc-by-4.0 language: - en task_categories: - tabular-classification（表格分类任务） - tabular-regression（表格回归任务） - time-series-forecasting（时间序列预测任务） multilinguality: monolingual（单语言） size_categories: - n<1K（样本量少于1000） tags: - tabular（表格数据） - asia（亚洲） - ilostat（ILOSTAT） - workers-in-stem-occupations（STEM职业从业者） - ilo（国际劳工组织（ILO）） - labour（劳动） - employment（就业） pretty_name: "按性别与出生地划分的STEM职业就业人数（单位：千人）| 亚洲（ILOSTAT）" # 按性别与出生地划分的STEM职业就业人数（单位：千人）| 亚洲（ILOSTAT） 🌏 **651条观测数据** · **15个亚洲国家** · **2000–2024年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新整理发布*      ## TL;DR 本数据集包含**651条观测数据**，覆盖**15个亚洲国家**，时间跨度为**2000–2024年**，仅包含**1项核心指标**。 ## 关于数据来源 **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数据源。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（SDG）体面工作目标等多类指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查与行政记录。其统计覆盖超过200个经济体，所有数据均由国际劳工组织统计部门负责统一标准化处理。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_STEM_SEX_CBR_NB) - **发布方**：国际劳工组织（ILO） - **许可协议**：[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **研究主题**：STEM职业从业者 ## 处理方法 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EMP_STEM_SEX_CBR_NB`拉取数据，并筛选出使用ISO 3166-1 alpha-3标准编码的亚洲国家数据。ILOSTAT采用国际劳工统计学家会议（International Conference of Labour Statisticians, 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 15个亚洲国家，以下按数据行数排序展示部分国家信息： | 国家代码 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `CYP` | 126 | 2011 | 2024 | | `TUR` | 126 | 2000 | 2024 | | `ISR` | 117 | 2012 | 2024 | | `BRN` | 81 | 2014 | 2024 | | `MNG` | 34 | 2010 | 2024 | | `KHM` | 33 | 2009 | 2019 | | `MDV` | 30 | 2014 | 2019 | | `TLS` | 29 | 2010 | 2022 | | `IRN` | 24 | 2006 | 2011 | | `LAO` | 12 | 2017 | 2022 | | `ARE` | 9 | 2022 | 2022 | | `MMR` | 8 | 2014 | 2014 | | `BGD` | 8 | 2017 | 2017 | | `PAK` | 8 | 2021 | 2021 | | `IRQ` | 6 | 2021 | 2021 | ## 指标示例 - `EMP_STEM_SEX_CBR_NB` — 按性别与出生地划分的STEM职业就业人数（单位：千人） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3国家代码 | `ARE` | | `ref_area.label` | `string` | 国家英文名称 | `United Arab Emirates` | | `source` | `string` | ILOSTAT来源代码（如劳动力调查） | `BA:716` | | `source.label` | `string` | 来源英文名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT指标代码 | `EMP_STEM_SEX_CBR_NB` | | `indicator.label` | `string` | 指标英文名称 | `Employment in STEM occupations by sex…` | | `sex` | `string` | 性别分组维度（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | 无补充说明 | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `CBR_BIR_TOTAL` | | `classif1.label` | `string` | 无补充说明 | `Place of birth: Total` | | `time` | `int64` | 观测年份 | `2022` | | `obs_value` | `float64` | 观测指标值（单位详见指标说明） | `866.916` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | 无补充说明 | `Unreliable` | | `note_indicator` | `string` | 无补充说明 | `I11:264` | | `note_indicator.label` | `string` | 无补充说明 | `Break in series: Methodology revised` | | `note_source` | `string` | 无补充说明 | `R1:3513` | | `note_source.label` | `string` | 无补充说明 | `Repository: ILO-STATISTICS - Micro da…` | ## 细分维度 以下字段提供数据细分维度： - **`sex`**（共3种唯一取值）：`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，本数据集未包含此类数据。 - 当同一国家×年份的同一指标存在多个数据源时，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`）才不会为空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-emp-stem-sex-cbr-nb-employment-in-stem-occupations-by-sex-and-place-of") df = ds["train"].to_pandas() print(df.head()) ### 筛选单一国家数据 python indonesia = df[df["ref_area"] == "IDN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EMP_STEM_SEX_CBR_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_STEM_SEX_CBR_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_STEM_SEX_CBR_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_emp_stem_sex_cbr_nb_employment_in_stem_occupations_by_sex_and_place_of_2024, title = {Employment in STEM occupations by sex and place of birth (thousands) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_STEM_SEX_CBR_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-emp-stem-sex-cbr-nb-employment-in-stem-occupations-by-sex-and-place-of}} } ## 许可协议 本数据集采用[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/)许可协议发布。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 Asia的重新整理版本。 ## 关于Electric Sheep Electric Sheep Asia是Electric Sheep项目的一部分，该项目旨在HuggingFace平台上打造统一的、适配机器学习的亚洲区域数据层。我们从权威开源数据源拉取数据，对数据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/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据溯源：2026年5月28日通过Electric Sheep数据管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_STEM_SEX_CBR_NB_

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，通过REST API直接提取STEM领域就业指标（EMP_STEM_SEX_CBR_NB），并依据亚洲地区ISO3国家代码进行地理过滤。ILOSTAT依托各国劳动力调查、家庭收入调查及行政记录等原始数据，采用国际劳工统计学家会议（ICLS）定义进行标准化处理。数据经Electric Sheep Asia重新打包，以Parquet格式发布，确保机器学习的直接可用性。最终数据集包含651条观测记录，覆盖15个亚洲国家，时间跨度为2000年至2024年，并标注了数据来源以增强可追溯性。

特点

此数据集聚焦于STEM职业就业人数（以千计），按性别与出生地维度进行细化解构，提供总人数、男性及女性三类统计值。其显著特点在于整合了多国长期面板数据，涵盖从塞浦路斯（126条）到伊拉克（6条）等观测密度迥异的经济体。数据集通过‘obs_status’字段标记数据可靠性（如临时值或不可靠值），并通过‘note_indicator’标注方法修订等系列间断信息，为研究者提供透明质量评估。每一观测均包含完整的元数据，如国家代码、指标标签及来源标识，便于多维度交叉分析。

使用方法

用户可通过HuggingFace Datasets库的一行命令加载数据：`load_dataset('electricsheepasia/asia-ilo-emp-stem-sex-cbr-nb-employment-in-stem-occupations-by-sex-and-place-of')`。加载后，数据可转换为Pandas DataFrame进行探索，例如按国家代码过滤特定国家的时间序列，或利用`pivot_table`重构为国家×年份矩阵，以对比区域就业趋势。对于时间序列分析，可依据‘indicator’列筛选单一指标并按年份排序，直接绘图观察变动。数据集的表格结构（包含ref_area、time、obs_value等字段）天然适用于监督学习（分类或回归）及时间序列预测任务，研究者可根据性别或出生地等分类变量进行分组建模。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2024年通过其核心统计数据库ILOSTAT创建，并经Electric Sheep Asia重新打包发布，聚焦于亚洲地区15个国家2000至2024年间STEM（科学、技术、工程、数学）职业就业人数的性别与出生地分布。核心研究问题旨在揭示亚洲劳动力市场中STEM领域的人力资本结构及其性别差异，为区域可持续发展目标中的体面劳动与经济增长提供量化依据。作为ILO劳动统计体系在亚洲区域的细化延伸，该数据集填补了跨国家、长时间序列的STEM就业细分数据空白，特别对研究新兴经济体及中东国家的性别平等与劳动力转型具有重要支撑价值。其影响力体现在为政策制定者、经济学家和机器学习研究者提供了标准化、可复现的纵向数据基础，促进了跨学科分析在劳动经济学与社会发展领域的应用。

当前挑战

所解决的领域问题方面，该数据集直面亚洲STEM劳动力统计中普遍存在的数据碎片化与不可比性挑战，通过ILO统一方法论对多来源调查数据进行协调，从而构建出一致性指标，支持跨性别和出生地的就业趋势分析。然而数据构建过程面临显著挑战：首先，覆盖的15个国家数据稀疏性差异悬殊，例如阿联酋仅有2022年单年观测值，而土耳其与塞浦路斯覆盖超过20年，导致时间序列建模时需谨慎处理缺失与不均匀性；其次，数据来源多元（如劳动力调查、行政记录），各来源的抽样设计与定义标准不一，ILO虽采用'最佳来源'策略但仍引入系统性异质性；此外，观测值中存在的'不可靠'（obs_status为U）状态标识及序列中断（如方法论修订）为数据质量评估与误差建模增添了复杂性，要求后续使用者设计鲁棒的预处理方案以规避潜在偏倚。

常用场景

经典使用场景

该数据集收录了2000年至2024年间亚洲15个国家的STEM（科学、技术、工程和数学）职业就业人数，并按性别和出生地提供了细致的分类统计。其经典使用场景在于构建面板数据模型，以分析亚洲地区STEM劳动力市场的长期演变趋势。研究者常借助此数据考察各国STEM就业规模的跨时期波动，并作为核心解释变量或控制变量，深入探究教育政策、产业结构升级与性别平等倡议对STEM从业者分布格局的塑造作用。

实际应用

实际应用中，该数据集为国际组织（如国际劳工组织、联合国教科文组织）及各国劳动部门制定人才战略提供了数据支撑。政策制定者可据此评估现有STEM激励计划的效果，识别性别参与率偏低的行业与区域，并优化针对外籍技术人才的引进政策。企业雇主同样能够借助这一数据洞察目标市场的人力供给趋势，辅助研发中心布局与校园招聘规划，实现人力资源配置的科学决策。

衍生相关工作

围绕该数据集，已衍生出一系列经典工作。一方面，有研究基于该数据构建了亚洲STEM就业的预测模型，结合宏观经济变量（如GDP增长率、研发支出占比）对未来五年的就业缺口进行推演。另一方面，该数据被纳入全球劳动力市场监管比较分析框架，与非洲、欧洲等地区的类似ILOSTAT数据整合，催生了跨区域性别差异的Meta分析。此外，数据的高度结构化特性也推动了自动化数据清洗与插补工具的开发，形成了标准化的时间序列处理管线，被后续研究者广泛复用。