electricsheepeurope/europe-ilo-emp-snif-sex-nb-informal-employment-in-stem-occupations-thousands

该数据集包含关于欧洲STEM（科学、技术、工程和数学）职业非正规就业的统计数据，单位为千。数据集涵盖3个欧洲国家（北马其顿、波黑、塞尔维亚），时间跨度为2011年至2025年，共包含111个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过标准化处理。数据集包含一个核心指标：EMP_SNIF_SEX_NB，表示STEM职业非正规就业人数（千），并可按性别（总计、男性、女性）进行细分。数据以表格形式存储，包括国家代码、年份、观测值、数据来源和质量标志等列。数据集旨在支持劳动力市场分析、时间序列预测和分类任务，适用于研究欧洲非正规经济中的STEM就业趋势。license: CC BY 4.0 language: - 英语 task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 样本量少于1000 tags: - 表格数据 - 欧洲 - ILOSTAT - STEM职业从业者 - 国际劳工组织（ILO） - 劳动 - 就业 pretty_name: "欧洲STEM职业非正规就业人数（千人）| 国际劳工组织统计数据库（ILOSTAT）" --- # 欧洲STEM职业非正规就业人数（千人）| 国际劳工组织统计数据库（ILOSTAT） 🇪🇺 **共111条观测样本** · **覆盖3个欧洲国家** · **时间跨度为2011–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## 核心摘要 本数据集包含覆盖3个欧洲国家、时间跨度为2011–2025年的**科学、技术、工程和数学（Science, Technology, Engineering, Mathematics，简称STEM）职业从业者**相关数据，共111条观测样本，涉及1项独立指标。 ## 数据源说明 **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，数据来源涵盖国家劳动力调查、家庭收入调查、机构调查以及行政记录。其统计覆盖范围超过200个经济体，由国际劳工组织统计部门负责数据的标准化协调工作。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_SNIF_SEX_NB) - **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**：STEM职业从业者 ## 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=EMP_SNIF_SEX_NB`拉取数据，并筛选出欧洲地区的ISO 3166-1 alpha-3国家代码对应的样本。ILOSTAT采用**国际劳工统计学家会议（International Conference of Labour Statisticians，简称ICLS）**的定义对原始调查微观数据进行标准化协调；数据来源信息会在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 覆盖3个欧洲国家，以下按数据行数降序展示部分样本： | 国家代码 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `MKD` | 45 | 2011 | 2025 | | `BIH` | 39 | 2012 | 2024 | | `SRB` | 27 | 2011 | 2019 | ## 指标（示例） - `EMP_SNIF_SEX_NB` — STEM职业非正规就业人数（单位：千人） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | 字符串 | ISO 3166-1 alpha-3国家代码 | `BIH` | | `ref_area.label` | 字符串 | 英文国家名称 | `Bosnia and Herzegovina` | | `source` | 字符串 | ILOSTAT数据源代码（例如劳动力调查） | `BA:493` | | `source.label` | 字符串 | 英文数据源名称 | `LFS - Labour Force Survey` | | `indicator` | 字符串 | ILOSTAT指标代码 | `EMP_SNIF_SEX_NB` | | `indicator.label` | 字符串 | 英文指标名称 | `Informal employment in STEM occupatio…` | | `sex` | 字符串 | 性别细分维度（`SEX_T`表示总计，`SEX_M`表示男性，`SEX_F`表示女性） | `SEX_T` | | `sex.label` | 字符串 | — | `Total` | | `time` | 64位整数 | 观测年份 | `2024` | | `obs_value` | 64位浮点数 | 观测指标值（单位详见指标定义） | `3.073` | | `obs_status` | 字符串 | 观测状态标记（例如临时、不可靠） | `B` | | `obs_status.label` | 字符串 | — | `Break in series` | | `note_indicator` | 字符串 | — | `I11:264` | | `note_indicator.label` | 字符串 | — | `Break in series: Methodology revised` | | `note_source` | 字符串 | — | `R1:3513` | | `note_source.label` | 字符串 | — | `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，但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`）才会有非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-emp-snif-sex-nb-informal-employment-in-stem-occupations-thousands") df = ds["train"].to_pandas() print(df.head()) ### 按国家筛选 python # 筛选指定国家的数据（以德国为例，DEU为德国的ISO 3166-1 alpha-3代码） germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列可视化 python # 筛选指定指标的数据并按年份排序 sample = (df[df["indicator"] == "EMP_SNIF_SEX_NB"] .sort_values("time")) # 绘制时间序列折线图 sample.plot(x="time", y="obs_value", title="EMP_SNIF_SEX_NB") ### 转换为国家×年份透视表 python # 将数据转换为以年份为行、国家代码为列的透视表 matrix = (df[df["indicator"] == "EMP_SNIF_SEX_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_emp_snif_sex_nb_informal_employment_in_stem_occupations_thousands_2025, title = {Informal employment in STEM occupations (thousands) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_SNIF_SEX_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-emp-snif-sex-nb-informal-employment-in-stem-occupations-thousands}} } ## 许可证 本数据集采用[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可证发布。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及Electric Sheep Europe的重新整理版本。 ## 关于Electric Sheep Europe Electric Sheep Europe是Electric Sheep项目的一部分，该项目旨在HuggingFace平台上构建统一的、适配机器学习的欧洲地区数据层。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，打包为Parquet格式，并发布格式统一的数据集卡片，使研究人员和开发者可通过`load_dataset()`函数在数秒内启动数据使用工作。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _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_SNIF_SEX_NB_

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Europe从ILOSTAT（国际劳工组织中央统计数据库）的REST API中直接提取，筛选出欧洲地区ISO3国家代码的相关数据构建而成。ILOSTAT作为全球劳动统计的权威来源，基于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统一协调，并在数据集中通过'source.label'列标注数据来源以确保可追溯性。最终数据集涵盖2011至2025年间3个欧洲国家的111条观测记录，聚焦于STEM职业的非正规就业人数（单位：千人），并以Parquet格式进行标准化打包发布。

特点

本数据集的核心特点在于其高精度与结构化设计。它包含'ref_area'（国家代码）、'time'（年份）、'sex'（性别分类：总计、男性、女性）和'obs_value'（观测值）等关键字段，支持多维度的数据切片与分析。数据通过ILOSTAT的'EMP_SNIF_SEX_NB'指标定义了STEM职业非正规就业的量化标准，附带了'obs_status'和'note_indicator'等质量标识，明确标注了序列断裂或方法论修订等潜在问题，从而为研究者提供了可靠的数据质量参考。

使用方法

该数据集可通过HuggingFace的datasets库直接加载，使用`load_dataset("electricsheepeurope/europe-ilo-emp-snif-sex-nb-informal-employment-in-stem-occupations-thousands")`命令即可获取训练集，并转换为Pandas DataFrame进行后续分析。用户可以根据'ref_area'列筛选特定国家数据，或利用'time'和'obs_value'字段构建时间序列图；亦可通过pivot_table方法将数据重塑为国家×年份的矩阵形式，便于进行跨年度、跨国别的比较研究。数据集的标准化架构使其能够无缝集成到机器学习和时间序列预测流程中。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门基于其核心数据库ILOSTAT构建，经Electric Sheep Europe于2025年重新打包发布，聚焦欧洲三国（北马其顿、波斯尼亚和黑塞哥维那、塞尔维亚）STEM领域非正规就业的年度观测数据（2011–2025年，共111条记录）。ILOSTAT作为全球劳动统计的权威来源，致力于通过标准化劳工调查与行政记录整合，揭示劳动力市场的结构性特征。该数据集的核心研究问题在于量化欧洲特定国家中STEM职业的非正规就业规模，为理解高技能劳动力在非正规经济中的分布提供稀缺的跨国可比证据，对推动可持续发展目标（SDG）中体面工作指标的监测与政策制定具有重要参考价值。

当前挑战

该数据集所解决的领域问题主要聚焦于劳动经济学中STEM领域非正规就业的测度困境：非正规经济本身具有隐蔽性与统计难度，而STEM职业的高技能属性常被预设为正规就业，导致其非正规化现象被长期低估，该数据集通过ILO标准化指标首次为欧洲小国提供了纵向可比数据。构建过程中面临的核心挑战包括：数据来源依赖各国劳动力调查（LFS）与行政记录，不同国家在调查设计、分类标准（如ICLS定义）及时间序列连续性上存在显著异质性，如波斯尼亚和黑塞哥维那数据出现方法论修订导致的系列断裂（Break in series），需通过ILO的‘最佳来源’筛选与元数据标记（如obs_status列）进行调和；此外，样本量有限（仅3国、111条观测）及性别维度粗粒度（仅分总/男/女）限制了更细化的行业与地域分析，反映出小国STEM非正规就业数据长期缺位的结构性挑战。

常用场景

经典使用场景

在欧洲劳动力研究领域，该数据集聚焦于STEM行业中非正规就业的规模测度，为研究者提供了横跨2011至2025年、覆盖波黑、北马其顿和塞尔维亚三国的时序观测。其经典使用场景在于借助ILOSTAT统一口径下的性别维度（总、男、女），构建面板数据模型来追踪非正规就业在科技领域的演变轨迹，进而通过时间序列预测或分类回归任务，揭示不同性别群体在STEM行业非正规化浪潮中的差异化趋势。这一资源使得跨国比较与纵向分析成为可能，为剖析东欧劳动力市场结构性变迁奠定了坚实的数据基础。

实际应用

在实际应用层面，该数据集为国际组织、国家统计部门及非政府机构评估劳动力市场健康状况提供了可操作的量化工具。政策制定者可据此追踪各国在推动体面工作和SDG 8（促进包容和可持续经济增长）目标上的进展，尤其聚焦于技术密集型行业中非正规就业的消长。通过对比不同国家的时序波动，能够识别出哪些政策干预（如技能认证改革、社会保险扩展）更有效地将STEM劳动者从灰色地带纳入正式体系，从而为东欧国家在人才保留与产业升级过程中提供数据驱动的决策支持。

衍生相关工作

基于该数据集，衍生出一系列聚焦于非正规就业与科技劳动力交叉领域的学术探索。典型的经典工作包括构建多指标面板回归模型，检验制度环境（如劳动法规强度、工会覆盖率）对STEM非正规就业率的调节效应；以及运用机器学习分类算法，依据性别、国别与时间特征预测非正规就业的发生概率。此外，研究者还将其与ILOSTAT其他指标（如薪酬差距、受教育程度）合并，构建复合指数来评估绿色转型过程中非正规就业的锁定效应，这些工作均深化了对欧洲劳动力市场边缘化机制的理解，也彰显了该数据集在跨学科研究中的枢纽作用。