electricsheepasia/asia-ilo-emp-stem-sex-geo-nb-employment-in-stem-occupations-by-sex-and-rural-ur

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的亚洲地区STEM（科学、技术、工程和数学）职业就业统计数据，按性别和城乡地区分类，以千人为单位。数据集涵盖24个亚洲国家，时间跨度为2000年至2025年，共1,605个观测值。核心指标为EMP_STEM_SEX_GEO_NB，即按性别和城乡地区划分的STEM职业就业人数（千人）。数据包括国家代码、年份、性别（总计、男性、女性）、地区类型、观测值及数据来源和质量标志等信息，适用于表格分类、回归和时间序列预测等任务。数据经过ILO harmonisation处理，确保国际可比性，并由Electric Sheep Asia重新打包为ML-ready格式。license: CC BY 4.0 language: - en task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 1000 < 样本量 < 10000 tags: - 表格数据 - 亚洲 - ILOSTAT - STEM职业从业者 - ILO - 劳动 - 就业 pretty_name: "按性别与城乡划分的STEM职业就业人数（千人）| 亚洲（ILOSTAT）" --- # 按性别与城乡划分的STEM职业就业人数（千人）| 亚洲（ILOSTAT） 🌏 **共1605条观测值** · **覆盖24个亚洲国家** · **时间跨度为2000–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新封装*      ## 简短摘要 本数据集包含**24个亚洲国家、时间跨度2000–2025年的STEM职业从业者数据**，共**1605条观测值**，涵盖**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（Sustainable Development Goals, SDG）体面工作目标等领域的指标，数据来源包括国家劳动力调查、家庭收入调查、机构调查与行政记录。其覆盖全球200余个经济体，数据的标准化工作由国际劳工组织统计部门负责。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_STEM_SEX_GEO_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_STEM_SEX_GEO_NB`拉取数据，并筛选出亚洲地区的ISO 3166-1 alpha-3国家代码对应的数据。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；数据来源可通过`source.label`字段进行溯源标识。 ## 地理覆盖范围 覆盖24个亚洲国家，以下按观测行数降序展示部分国家信息： | 国家代码 | 观测行数 | 起始年份 | 结束年份 | |---------|---------:|---------:|---------:| | `MNG` | 153 | 2008 | 2024 | | `VNM` | 147 | 2009 | 2024 | | `KHM` | 133 | 2007 | 2023 | | `PSE` | 132 | 2012 | 2022 | | `CYP` | 126 | 2011 | 2024 | | `THA` | 111 | 2013 | 2024 | | `LKA` | 108 | 2013 | 2024 | | `PAK` | 90 | 2012 | 2025 | | `BRN` | 81 | 2014 | 2024 | | `GEO` | 72 | 2017 | 2024 | | `PHL` | 66 | 2017 | 2023 | | `BTN` | 63 | 2018 | 2024 | | `JOR` | 54 | 2017 | 2023 | | `TLS` | 53 | 2010 | 2022 | | `MMR` | 45 | 2015 | 2020 | | ... | 另有9个国家 | | | ## 指标（示例） - `EMP_STEM_SEX_GEO_NB` — 按性别与城乡划分的STEM职业就业人数（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 | `AFG` | | `ref_area.label` | `string` | 英文国家名称 | `Afghanistan` | | `source` | `string` | ILOSTAT 数据源代码（如劳动力调查） | `BA:15715` | | `source.label` | `string` | 英文数据源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `EMP_STEM_SEX_GEO_NB` | | `indicator.label` | `string` | 英文指标名称 | `Employment in STEM occupations by sex…` | | `sex` | `string` | 性别细分维度（`SEX_T`=总计，`SEX_M`=男性，`SEX_F`=女性） | `SEX_T` | | `sex.label` | `string` | 无额外说明 | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `GEO_COV_NAT` | | `classif1.label` | `string` | 无额外说明 | `Area type: National` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `96.457` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | 无额外说明 | `Unreliable` | | `note_indicator` | `string` | 无额外说明 | `I11:264` | | `note_indicator.label` | `string` | 无额外说明 | `Break in series: Methodology revised` | | `note_source` | `string` | 无额外说明 | `R1:3513_S3:8` | | `note_source.label` | `string` | 无额外说明 | `Repository: ILO-STATISTICS - Micro da…` | ## 细分维度 以下字段提供数据细分维度： - **`sex`**（共3个唯一值）：`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。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-emp-stem-sex-geo-nb-employment-in-stem-occupations-by-sex-and-rural-ur") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 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_GEO_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_STEM_SEX_GEO_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_STEM_SEX_GEO_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_geo_nb_employment_in_stem_occupations_by_sex_and_rural_ur_2025, title = {Employment in STEM occupations by sex and rural / urban areas (thousands) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_STEM_SEX_GEO_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-emp-stem-sex-geo-nb-employment-in-stem-occupations-by-sex-and-rural-ur}} } ## 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与Electric Sheep Asia的重新封装工作。 ## 关于Electric Sheep Asia Electric Sheep Asia是Electric Sheep项目的组成部分，该项目旨在HuggingFace平台上构建一套统一的、适配机器学习的亚洲地区数据层。我们从权威开放数据源拉取数据，对数据结构进行标准化处理，封装为Parquet格式，并采用统一的数据集卡片进行发布，使研究人员与开发者可通过`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/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据溯源：2026年5月28日通过Electric Sheep流水线摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_STEM_SEX_GEO_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核心统计数据库，由Electric Sheep Asia团队重新封装并发布。构建过程中，通过ILOSTAT REST API直接拉取指标编码为EMP_STEM_SEX_GEO_NB的数据，并依据ISO 3166-1 alpha-3标准筛选出亚洲24个国家的观测记录。ILO基于国际劳工统计学家会议定义对原始调查微观数据进行统一协调，数据来源在source.label列中予以标注，确保了数据的可追溯性与标准化。最终数据集共包含1,605条观测，时间跨度覆盖2000年至2025年，涵盖了按性别和城乡区域划分的STEM行业就业人数（单位：千人）这一核心指标。

特点

本数据集以多维度细粒度著称，提供了按性别（总计、男性、女性）和城乡地理区域交叉分类的STEM就业数据，从而支持深入的性别与区域不平等分析。其时间序列属性尤为突出，长达25年的年度观测值使得长期趋势分析与预测建模成为可能。此外，每个观测均附带了来源、状态标志及注释信息，有助于研究者评估数据质量与潜在的方法论断裂。数据集的单指标聚焦特性，虽限制了维度广度，却极大提升了特定主题分析的专注度与数据的一致性。

使用方法

用户可通过HuggingFace Datasets库的load_dataset函数便捷加载该数据集，返回的DataFrame结构清晰，包含ref_area、sex、time、obs_value等核心字段。典型使用场景包括：按国别筛选以进行单国时间序列分析；按性别分组比较STEM就业的性别鸿沟；将数据透视为国家×年份的矩阵以构建面板数据模型。对于时间序列分析，可直接利用obs_value和time字段进行可视化与预测；结合obs_status与note字段，可对不可靠或存在方法学间断的数据点实施审慎处理。数据集兼容tabular-classification、tabular-regression与time-series-forecasting三类任务，灵活适配多元分析需求。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）在2025年依托ILOSTAT数据库发布，后经Electric Sheep Asia重新打包并托管于HuggingFace平台，聚焦于亚洲24个国家2000至2025年间STEM（科学、技术、工程与数学）职业就业人数的性别与城乡维度统计，共计1605条观测值。在可持续发展目标（SDGs）框架下，STEM领域的性别平等与区域均衡发展已成为全球劳动经济学研究的关键议题。该数据集通过标准化ILO官方调查微数据，为研究者提供了亚洲地区罕见的、兼顾性别与城乡细粒度的时间序列数据，为分析劳动力转型、技能错配及政策干预评估提供了宝贵基础，对促进亚洲地区体面劳动与包容性经济增长研究具有重要推动力。

当前挑战

该领域面临的核心挑战在于亚洲各国劳动统计体系差异显著，部分国家调查频率低、方法论更新频繁导致时间序列不完全或存在断点，如数据集中标注的“Methodology revised”提示了统计口径变化带来的对比难度。构建过程中，数据整合需克服ILOSTAT多源调查数据（如劳动力调查与行政记录）的异构性，通过选用ILO指定的“最佳来源”解决同一国家同一年份多源冲突问题，同时处理因观测值不可靠（如obs_status标记为U）导致的统计质量波动。此外，城乡分类标准不统一（如classif1中GEO_COV_NAT与国家层面定义的差异）进一步增加了跨国情分析的复杂性。

常用场景

经典使用场景

在劳动力市场研究的广阔领域中，STEM（科学、技术、工程与数学）人才的分布与流动始终是学界与政策制定者关注的焦点。该数据集汇集了2000年至2025年间亚洲24个国家的STEM就业人数观测值，并按性别及城乡地域进行细致划分，为研究者提供了一个跨越四分之一世纪、覆盖多元发展阶段的标准化面板数据。其经典使用场景在于构建跨国比较分析框架，通过结合时间序列与截面特征，探究不同亚洲经济体在STEM劳动力吸纳能力上的动态演变轨迹。

实际应用

在实际应用层面，该数据集为政府机构、国际组织及企业的人力资源规划提供了量化决策支撑。政策制定者可利用分性别与地域的STEM就业图谱，精准定位女性或农村地区在科技劳动参与中的薄弱环节，从而设计具有针对性的职业培训与教育资助方案。对于跨国企业而言，该数据能够揭示不同国家STEM人才池的规模与结构特征，辅助其在亚洲布局研发中心或生产基地时进行人力成本与供给潜力的战略评估。此外，该数据集还可融入综合评估模型，用于预判技术进步与自动化浪潮对区域性劳动力市场的冲击强度。

衍生相关工作

该数据集的发布催生了一系列富有启发性的衍生工作。在学术层面，已有研究者将其与全球治理指标、教育支出统计等外部数据库进行联接，构建了关于亚洲STEM劳动力性别鸿沟的决定因素回归模型。在工具开发方面，Electric Sheep Asia为数据集提供的标准化Parquet格式与Python快速加载接口，推动了机器学习就绪数据管道在劳动经济学领域的普及。更进一步，该数据集的时序结构激励了采用LSTM等深度学习算法对亚洲国家STEM就业趋势进行预测的研究，为区域人力资源规划引入了创新的计算范式。