electricsheepafrica/africa-ilo-emp-stem-sex-ste-nb-employment-in-stem-occupations-by-sex-and-status-i

该数据集包含非洲36个国家在2009年至2025年期间关于STEM职业就业按性别和就业状况分类（以千计）的1,163个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API提取并过滤到非洲国家，使用国际劳工统计学家会议（ICLS）定义进行标准化。数据集覆盖一个核心指标（EMP_STEM_SEX_STE_NB），涉及按性别（总计、男性、女性）和就业状况分类的STEM职业工人数量。数据以表格形式呈现，包含国家代码、年份、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等任务。数据由Electric Sheep Africa重新打包，以促进机器学习研究。This dataset contains 1,163 observations of STEM occupation employment categorized by gender and employment status (in thousands), covering 36 African countries from 2009 to 2025. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), extracted via API, filtered to retain only African countries, and standardized using definitions from the International Conference of Labour Statisticians (ICLS). The dataset includes a core indicator (EMP_STEM_SEX_STE_NB), which measures the number of STEM occupation workers grouped by gender (total, male, female) and employment status. The data is presented in tabular format, with columns such as country code, year, observation value, data source, and quality flags, and is suitable for tasks including tabular classification, regression, and time series forecasting. This dataset was repackaged by Electric Sheep Africa to facilitate machine learning research.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa基于ILOSTAT官方REST API进行提取与再封装构建而成。数据源为国际劳工组织（ILO）的核心劳动统计数据库，原始数据经由国家劳动力调查、家庭收入调查及行政记录等多渠道采集，并依据国际劳工统计学家会议（ICLS）定义进行统一整合。团队通过API接口获取非洲国家ISO3代码对应的数据记录，最终形成涵盖1163条观测值的结构化表格，每条观测均标注了数据来源（source.label）以增强可追溯性。

特点

数据集聚焦非洲36个国家2009至2025年间STEM领域就业情况，按性别与就业状态进行细粒度分列，包含SEX_T（总计）、SEX_M（男性）与SEX_F（女性）三种类别。数据以年度频率呈现，并附有ILO遴选的“最佳来源”标识，确保同一国家与年份下数据的可靠性。此外，观测值状态标签（如缺乏可靠性标记）及方法修订备注（如断序标识）等元数据被完整保留，为研究者评估数据质量提供了透明依据。

使用方法

用户可通过HuggingFace的`load_dataset`函数一键加载数据集，并将其转换为Pandas DataFrame进行后续分析。典型操作包括按国家代码过滤（如`df[df["ref_area"]=="KEN"]`提取肯尼亚数据）、对特定指标绘制时间序列图，以及利用数据透视表构建国家×年份矩阵。数据集还支持按性别或就业状态等维度进行分组聚合，便于深入探究非洲STEM劳动力市场的结构性特征与演变趋势。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其ILOSTAT平台发布，并由Electric Sheep Africa团队重新打包整理，聚焦非洲36个国家在2009至2025年间STEM（科学、技术、工程与数学）领域按性别与就业状态划分的就业人数（单位：千）。作为全球劳动统计的权威来源，ILOSTAT整合了各国劳动力调查、行政记录等多源数据，为研究非洲大陆人力资本结构、性别平等与可持续发展目标（SDG）中的体面劳动指标提供了关键支撑。该数据集的出现填补了非洲区域STEM就业精细化统计数据的空白，有助于揭示技能型劳动力在性别维度的分布演变，对政策制定者、国际发展机构以及学术研究者而言，是分析区域创新潜能与劳动市场转型趋势的重要基石。

当前挑战

数据集面临的核心挑战在于多重维度下的数据质量与可比性问题。首先，非洲各国劳动力调查的覆盖频率、问卷设计与统计口径存在显著差异，导致跨国家、跨年份的观察值可能因方法论调整而出现序列断裂（如标注为'Break in series'的记录），直接影响了时间序列的连续性与纵向分析的有效性。其次，数据中包含了'不可靠'（unreliable）等状态标记，反映了原始数据在采集与一致性检验环节的局限性，尤其是在低资源国家，抽样偏倚与数据稀疏性问题尤为突出。此外，构建过程中，不同来源（如就业调查、行政记录）的融合带来了指标定义的异质性，尽管ILO通过最佳来源选择策略进行调和，但残留的混杂效应仍需审慎建模。最后，性别维度的细粒度划分（总人口、男性、女性）虽提供了宝贵视角，但部分国家样本量极小（如仅数十条记录），制约了跨群体统计推断的稳健性，也为机器学习模型带来了样本不均衡与稀疏预测的难题。

常用场景

经典使用场景

该数据集涵盖了2009年至2025年间36个非洲国家在STEM领域的就业情况，按性别和就业状态进行细分，包含超过1100条观察记录。其经典使用场景包括构建时间序列预测模型，以揭示非洲各国STEM劳动力市场的动态演变趋势；同时支持进行横向对比分析，评估不同国家在STEM就业结构上的差异。研究者还可利用该数据集进行分类与回归任务，如预测某一国家特定年份的STEM就业人数，或判定不同性别在特定就业状态下的分布模式。

解决学术问题

该数据集有效解决了非洲地区STEM劳动力数据零散、口径不一、时间跨度不足等学术研究难题。它为研究性别平等与STEM职业参与之间的关联提供了标准化的量化基础，使得学者能够检验女性在科学、技术、工程与数学领域就业的瓶颈与促进因素。此外，数据的ILO统一来源与年度频率特征，为探究经济发展水平、教育政策变迁与高科技产业用工结构之间的多维度关系提供了可靠支撑，推动了发展经济学与劳动经济学交叉领域的实证进展。

衍生相关工作

该数据集作为ILOSTAT体系下的结构化产物，衍生出多项经典研究工作。已有学者利用其构建非洲国家STEM就业增长率的基准模型，并将其与国民生产总值、教育支出等宏观经济指标相关联，发表了一系列探讨人力资本与技术创新关系的论文。同时，该数据也被用于训练机器学习模型，预测不同政策情境下女性STEM就业比例的变化趋势，成为若干国际发展机构评估项目成效的实证基础。数据集的再封装版本还推动了非洲数据民主化进程，使资源受限的研究团队能够便捷获取高质量劳动力统计资源。