electricsheepasia/asia-ilo-how-stee-sex-nb-mean-weekly-hours-actually-worked-per-employee-in

该数据集包含亚洲30个国家在2007年至2025年间，从事STEM（科学、技术、工程和数学）职业的雇员实际每周平均工作小时数的观测数据，总计636个观测值，涵盖1个具体指标（HOW_STEE_SEX_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过统一处理，并按性别（总计、男性、女性）进行细分。数据集提供了国家代码、年份、观测值、数据来源、观测状态等字段，适用于表格分类、回归或时间序列预测等任务。license: cc-by-4.0 语言：英语 任务类别： - 表格分类 - 表格回归 - 时间序列预测 多语言属性：单语言 样本规模： - 少于1000条 标签： - 表格数据 - 亚洲 - ILOSTAT - STEM职业从业者 - 国际劳工组织（ILO） - 劳工 - 就业 美观名称："亚洲STEM职业雇员实际周平均工作时长 | 国际劳工组织统计数据库（ILOSTAT）" # 亚洲STEM职业雇员实际周平均工作时长 | 国际劳工组织统计数据库（ILOSTAT） 🌏 **636条观测数据** · **30个亚洲国家** · **2007–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新整理*      ## 核心摘要 本数据集包含覆盖30个亚洲国家、时间跨度为2007至2025年的**636条STEM职业从业者相关观测数据**，仅包含**1项独立指标**。 ## 数据来源说明 **ILOSTAT**是国际劳工组织（International Labour Organization，简称ILO）的中央统计数据库，是全球领先的劳工统计数据源。其收录的指标涵盖就业、失业、薪资、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，数据来源于全国劳动力调查、家庭收入调查、机构调查以及行政记录，覆盖全球200余个经济体，由国际劳工组织统计司负责数据的标准化整合。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_STEE_SEX_NB) - **发布方**：国际劳工组织（International Labour Organization，简称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=HOW_STEE_SEX_NB`拉取原始数据，并筛选出亚洲地区的ISO 3166-1 alpha-3国家代码对应的观测样本。ILOSTAT采用国际劳工统计学家会议（International Conference of Labour Statisticians，简称ICLS）制定的标准定义，对原始调查微观数据进行标准化整合；数据来源信息将在`source.label`列中进行标记，以保障数据可追溯性。 ## 地理覆盖范围 30个亚洲国家 | 以下为按数据行数排序的前15条记录，另有15个国家未完全展示： | 国家代码 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `IRN` | 51 | 2008 | 2024 | | `KHM` | 45 | 2007 | 2023 | | `VNM` | 45 | 2009 | 2024 | | `CYP` | 42 | 2011 | 2024 | | `ISR` | 39 | 2012 | 2024 | | `TUR` | 39 | 2012 | 2024 | | `LKA` | 36 | 2013 | 2024 | | `KGZ` | 36 | 2012 | 2023 | | `THA` | 33 | 2014 | 2024 | | `PSE` | 30 | 2015 | 2025 | | `BRN` | 27 | 2014 | 2024 | | `GEO` | 24 | 2017 | 2024 | | `PAK` | 21 | 2013 | 2025 | | `PHL` | 21 | 2017 | 2023 | | `MNG` | 18 | 2019 | 2024 | | ... | _另有15个国家_ | | | ## 指标（示例） - `HOW_STEE_SEX_NB` — STEM职业雇员实际周平均工作时长 ## 数据结构 | 列名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `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 来源代码（如劳动力调查） | `BA:15715` | | `source.label` | `string` | 英文来源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `HOW_STEE_SEX_NB` | | `indicator.label` | `string` | 英文指标名称 | `Mean weekly hours actually worked per…` | | `sex` | `string` | 按性别拆分的维度（`SEX_T`=总计、`SEX_M`=男性、`SEX_F`=女性） | `SEX_T` | | `sex.label` | `string` | — | `Total` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `38.77` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法学修订` | | `note_source` | `string` | — | `R1:3513_S3:8` | | `note_source.label` | `string` | — | `存储库：ILO-STATISTICS - 微观数据…` | ## 数据拆分维度 以下列提供数据拆分维度： - **`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来源时，将采用国际劳工组织选定的“最佳来源”数据。 - 拆分维度列（`sex`、`classif1`、`classif2`）仅在指标支持对应拆分时才会非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-how-stee-sex-nb-mean-weekly-hours-actually-worked-per-employee-in") df = ds["train"].to_pandas() print(df.head()) ### 按单个国家筛选 python indonesia = df[df["ref_area"] == "IDN"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "HOW_STEE_SEX_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="HOW_STEE_SEX_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "HOW_STEE_SEX_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_how_stee_sex_nb_mean_weekly_hours_actually_worked_per_employee_in_2025, title = {Mean weekly hours actually worked per employee in a STEM occupation | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_STEE_SEX_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-how-stee-sex-nb-mean-weekly-hours-actually-worked-per-employee-in}} } ## 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以及Electric Sheep Asia的重新整理版本。 ## 关于Electric Sheep Asia Electric Sheep Asia是Electric Sheep项目的组成部分，该项目旨在为HuggingFace平台构建统一的、适配机器学习的亚洲地区数据层。我们从权威开源数据源获取数据，对其 schema 进行标准化处理，以Parquet格式打包，并发布格式统一的数据集卡片，以便研究人员和开发者仅需通过`load_dataset()`即可在数秒内开始使用数据。 浏览完整数据集集合：[huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) _数据溯源：2026-05-28 通过Electric Sheep流水线摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_STEE_SEX_NB_

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）的ILOSTAT统计数据库，聚焦于亚洲地区STEM（科学、技术、工程与数学）职业从业者的平均每周实际工作小时数。数据通过ILOSTAT的REST API接口直接抽取，并依据ISO 3166-1 alpha-3国家代码对亚洲地区进行筛选。原始数据源自各国劳动力调查、家庭收入调查等官方统计，经由ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行统一整合与标准化处理。数据集共计包含636条观测记录，覆盖了30个亚洲国家，时间跨度从2007年至2025年。

特点

该数据集的核心特色在于其精细的指标设计与地理覆盖广度。其单一指标“HOW_STEE_SEX_NB”精确衡量了STEM职业雇员的平均每周实际工时，并提供了按性别（男性、女性、总计）进行的分层统计，为分析劳动力市场中STEM领域的性别差异与工时趋势提供了数据基础。此外，数据集对数据溯源高度重视，通过`source.label`字段详细标注了每一条记录的原始数据来源，保证了信息的透明性与可追溯性。数据采集频率为年度，便于进行长期趋势分析。

使用方法

数据集的使用极为便捷，研究人员可直接通过HuggingFace的`datasets`库以`load_dataset("electricsheepasia/asia-ilo-how-stee-sex-nb-mean-weekly-hours-actually-worked-per-employee-in")`命令加载，并转换为Pandas DataFrame进行分析。用户可根据`ref_area`字段过滤特定国家的数据，或通过`time`字段进行时间序列分析。数据集还支持透视操作，便于构建国家与年份交叉的矩阵，从而对亚洲区域内STEM从业者的工时模式进行多维度的横向与纵向比较研究。

背景与挑战

背景概述

在全球科技竞争日益激烈的背景下，STEM（科学、技术、工程与数学）领域从业者的劳动供给与工作强度成为劳动经济学与人力资本研究的关键议题。国际劳工组织（ILO）统计数据库ILOSTAT作为全球劳动统计的权威来源，于2025年发布了由Electric Sheep Asia团队重新整理的亚洲地区STEM雇员周均实际工时数据集。该数据集覆盖亚洲30个国家，时间跨度为2007至2025年，包含636条观测记录，聚焦于‘HOW_STEE_SEX_NB’这一核心指标。Electric Sheep Asia通过ILOSTAT的REST API提取原始数据，并利用ICLS定义进行标准化处理，同时保留了来源标记与数据质量标识，从而为跨国的劳动市场比较研究提供了高可用的结构化基础。这一数据集的出现有效弥补了亚洲地区STEM劳动统计在时间与空间分辨率上的不足，为分析科技进步与工作时间变迁之间的动态关系奠定了数据基石。

当前挑战

该数据集所解决的领域问题核心在于：在缺乏统一标准与细颗粒度数据的亚洲范围内，难以对STEM从业者的实际劳动投入进行跨国比较与时间序列分析。传统统计资料往往存在国别口径差异、缺失值频发以及性别维度脱节等障碍。而构建过程中面临的挑战尤为复杂：首先，数据来源涉及多样化调查类型（如劳动力调查、户籍抽样与行政记录），其调查方法、样本覆盖与统计年份的异构性要求进行深度的数据协调与质量标记；其次，ILOSTAT虽提供多级分解（如性别）与观测状态标注，但部分国家数据因样本量小或调查中断而产生不可靠标记甚至系列断裂（如‘Break in series’），需采用审慎的缺失处理策略；最后，数据的纵贯性虽覆盖近二十年，但部分国家仅存在少量年份记录，导致面板数据的稀疏性与代表性受限，这对后续建模与推断提出了严峻考验。

常用场景

经典使用场景

该数据集记录了2007至2025年间30个亚洲国家STEM（科学、技术、工程和数学）从业人员平均每周实际工作小时数，共包含636条观测值。其经典使用场景集中于劳动力市场的时间配置分析，研究者可借此考察亚洲地区STEM职业群体的工作时间特征及其演变规律。数据集的时序结构和国家维度使其特别适用于面板数据分析与跨国家比较研究，为探索经济发展阶段、产业政策与STEM从业者劳动强度之间的关联提供了定量基础。研究人员能够通过该数据集构建回归模型，评估不同性别分组下工作时间的差异，或追踪特定国家在某一时间段内的工时变化趋势，从而揭示亚洲STEM领域劳动力市场的结构性特征。

解决学术问题

该数据集有效回应了劳动经济学与发展经济学中若干关键学术问题。它填补了亚洲地区STEM职业群体工时数据的系统性缺口，使得研究者能够检验技术进步与工作时间之间的替代或互补关系，以及性别维度在STEM劳动力参与中的分化现象。通过该数据集，学界得以量化分析亚洲各国在工业化与信息化进程中，STEM从业者的劳动供给行为如何响应经济周期与政策干预。这些研究对于理解人力资本积累、职业健康风险以及工作—生活平衡等跨学科议题具有重要理论价值，同时也为国际劳工组织倡导的体面劳动目标提供了可比较的区域实证依据。

衍生相关工作

该数据集衍生了一系列具有影响力的学术与政策研究工作。基于ILOSTAT统一口径的亚洲子集，研究者得以复现并扩展全球劳动时间比较研究，将焦点从欧美转向亚洲新兴经济体。部分后续工作利用该数据构建了STEM从业者工时预测模型，引入机器学习方法挖掘时序中的非线性模式。另有学者将其与其他ILOSTAT指标（如工资水平、就业率）进行联合分析，形成了亚洲STEM劳动力市场的多维度画像。该数据集作为Electric Sheep Asia数据管道的一部分，其标准化处理流程和丰富元数据为后续数据集整合与跨平台比较提供了可复用的技术框架。