electricsheepeurope/europe-ilo-how-stem-sex-nb-mean-weekly-hours-actually-worked-per-person-in-in

该数据集名为欧洲STEM职业人员实际每周平均工作小时数（ILOSTAT），是一个表格型数据集，专注于时间序列预测和分类任务。它包含了561个观测值，覆盖14个欧洲国家（如希腊、瑞士、英国、葡萄牙等），时间范围为2008年至2025年。核心指标为HOW_STEM_SEX_NB，即STEM职业中每人实际每周平均工作小时数。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过处理，以确保欧洲国家的覆盖。数据集包含多个列，如国家代码、国家名称、数据来源、指标、性别分类（总计、男性、女性）、年份、观测值等，并提供了数据质量说明，例如数据为年度频率，ILO选择最佳来源，以及分类列仅在指标发布细分数据时非空。该数据集由Electric Sheep Europe重新打包，旨在为欧洲提供统一的、机器学习就绪的数据层，方便研究人员和开发者使用。--- license: 知识共享署名4.0（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: - 少于1000条 tags: - 表格数据 - 欧洲 - ILOSTAT（国际劳工组织统计数据库） - STEM职业从业者 - ILO（国际劳工组织） - 劳工 - 就业 pretty_name: "欧洲STEM职业从业者人均周实际工作时长 | 欧洲（ILOSTAT）" --- # 欧洲STEM职业从业者人均周实际工作时长 | 欧洲（ILOSTAT） 🇪🇺 **561条观测数据** · **14个欧洲国家** · **2008–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## 快速概览 本数据集包含覆盖14个欧洲国家、时间跨度为2008至2025年的**561条STEM职业从业者数据观测**，涵盖**1项独立指标**。 ## 数据源说明 **ILOSTAT（国际劳工组织统计数据库）**是国际劳工组织（International Labour Organization, ILO）的核心统计数据库，为全球领先的劳工统计权威数据源。其整合了就业、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体面工作目标等全品类指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查及行政记录，覆盖200余个经济体，由国际劳工组织统计司负责数据统一化处理工作。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_STEM_SEX_NB) - **发布机构**：国际劳工组织（ILO） - **许可协议**：[CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/) - **主题方向**：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_STEM_SEX_NB`拉取原始数据，并筛选出欧洲地区的ISO 3166-1 alpha-3国家编码对应的记录。ILOSTAT采用国际劳工统计会议（International Conference of Labour Statisticians, ICLS）制定的标准定义，对原始调查微观数据进行统一化处理；数据来源信息将在`source.label`列中予以标注，确保数据可追溯。 ## 地理覆盖范围 本数据集覆盖14个欧洲国家，以下为按数据行数降序排列的部分记录： | 国家编码 | 数据行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `GRC` | 54 | 2008 | 2025 | | `CHE` | 51 | 2009 | 2025 | | `GBR` | 51 | 2009 | 2025 | | `PRT` | 45 | 2011 | 2025 | | `MKD` | 45 | 2011 | 2025 | | `AUT` | 45 | 2011 | 2025 | | `FRA` | 42 | 2011 | 2024 | | `CZE` | 42 | 2011 | 2024 | | `BIH` | 39 | 2012 | 2024 | | `SVK` | 39 | 2011 | 2023 | | `ALB` | 33 | 2014 | 2024 | | `BLR` | 27 | 2016 | 2024 | | `SRB` | 27 | 2011 | 2019 | | `ITA` | 21 | 2014 | 2020 | ## 指标示例 - `HOW_STEM_SEX_NB` — STEM职业从业者人均周实际工作时长 ## 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 国家编码 | `ALB` | | `ref_area.label` | `string` | 英文国家全称 | `阿尔巴尼亚` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `BA:480` | | `source.label` | `string` | 英文来源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `HOW_STEM_SEX_NB` | | `indicator.label` | `string` | 英文指标名称 | `人均周实际工作时长……` | | `sex` | `string` | 按性别拆分维度（`SEX_T`=总计、`SEX_M`=男性、`SEX_F`=女性） | `SEX_T` | | `sex.label` | `string` | — | `总计` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `42.03` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `B` | | `obs_status.label` | `string` | — | `序列中断` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法学修订` | | `note_source` | `string` | — | `R1:3513` | | `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个唯一取值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 本数据集为年度频率数据。部分指标同时发布月度或季度序列，此类数据未包含在本数据集中。 - 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”。 - 拆分维度列（`sex`、`classif1`、`classif2`）仅在指标支持对应拆分维度时非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-how-stem-sex-nb-mean-weekly-hours-actually-worked-per-person-in-in") df = ds["train"].to_pandas() print(df.head()) ### 按国家筛选数据 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "HOW_STEM_SEX_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="HOW_STEM_SEX_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "HOW_STEM_SEX_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_how_stem_sex_nb_mean_weekly_hours_actually_worked_per_person_in_in_2025, title = {欧洲STEM职业从业者人均周实际工作时长 | 欧洲（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_STEM_SEX_NB}, publisher = {HuggingFace数据集，由Electric Sheep Europe重新整理}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-how-stem-sex-nb-mean-weekly-hours-actually-worked-per-person-in-in}} } ## 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项目的组成部分，该项目旨在构建面向欧洲的统一、可直接用于机器学习的标准化数据层，托管于HuggingFace平台。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，以便研究人员和开发者仅需调用`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/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=HOW_STEM_SEX_NB_

搜集汇总

数据集介绍

构建方式

本数据集来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API接口直接抽取指标HOW_STEM_SEX_NB的原始数据，并依据欧洲ISO3国家代码进行地理范围过滤。数据集整合了来自14个欧洲国家的劳动力调查、家庭收入调查及行政记录等多源微观数据，经ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行统一协调处理，最终汇集为561条观测记录，时间跨度自2008年至2025年。

使用方法

用户可通过HuggingFace的datasets库便捷加载数据，使用load_dataset函数即可将数据转换为Pandas DataFrame进行探索。支持按国家代码筛选单国数据、按时序绘制指定指标的折线图，或通过透视表构建国家×年份的矩阵格式，以适应时间序列预测、回归分析及分类建模等不同任务场景。数据集遵循CC-BY-4.0许可，引用时需注明ILO原数据来源及Electric Sheep Europe的重新打包工作。

背景与挑战

背景概述

在全球劳动力市场加速技术转型的背景下，STEM（科学、技术、工程与数学）职业的工时特征成为衡量欧洲知识经济发展与工作条件变迁的关键指标。该数据集由国际劳工组织（ILO）统计司依托ILOSTAT旗舰数据库构建，经Electric Sheep Europe于2025年重新封装，聚焦2008至2025年间14个欧洲国家内STEM从业者的周均实际工作时间。其核心研究问题在于揭示性别维度下高技术岗位的劳动强度差异，为跨国劳动力政策评估与欧盟“数字十年”战略提供实证基础。作为ILOSTAT体系下沉至区域层面的精简样本，该数据填补了欧洲STEM劳动力时间配置领域精细化观测的空白，尤其适用于时间序列建模与跨性别比较分析。

当前挑战

数据集所面临的领域挑战主要体现在两方面。其一，在劳动经济学层面，STEM职业的定义标准及其工作时长受不同国家统计口径（如调查方式或行业分类准则）影响，导致跨国可比性受限，需依赖ILO对ICLS定义的统一化处理；其二，数据构建过程中面临明显的时空稀疏性难题，部分国家（如意大利、白俄罗斯）观测年份仅覆盖不足十年，且存在序列中断或标记为暂定值的情形，限制了长周期趋势建模的稳定性与代表性。此外，单一离散指标（周工时均值）缺乏对兼职比例、远程工作或性别内在差别的深层刻画，使得模型在解释劳动力市场结构性变迁时的因果推断能力受限。

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（科学、技术、工程和数学）职业从业者的平均每周实际工作时长，覆盖2008至2025年间14个欧洲国家的561条观察记录。其典型应用在于构建面板数据模型，分析跨国与跨性别维度下STEM从业者劳动时间的演变趋势，常被用于时间序列预测与表格回归任务。研究者可通过该数据集追踪金融危机、新冠疫情及数字化转型等宏观事件对STEM劳动力投入的冲击，为劳动经济学中的人力资本配置与生产效率研究提供实证基础。

解决学术问题

该数据集有效填补了欧洲STEM领域微观劳动时间数据的缺口，解决了传统研究中因国家统计口径不一而难以进行跨国比较的困境。基于国际劳工组织（ILO）统一标准，它使学者能够严谨检验性别差异对STEM职业劳动供给的影响，并评估灵活工作制度、远程办公政策对工时结构的调节效应。数据集涵盖的序列断裂标识（如方法修订标记）更提升了计量分析的稳健性，对理解欧洲区域创新体系与技能短缺问题具有里程碑式的学术价值。

实际应用

在实际应用层面，该数据集为欧盟委员会、国家劳动部门及国际组织制定STEM人才策略提供了量化依据。政策制定者可据此识别各国STEM行业工作强度的异常波动，优化工时上限法规与职业健康安全标准；企业人力资源部门能结合性别维度差异调整薪酬结构与弹性福利方案，提升高技能人才的留存率。此外，教育机构可利用该数据预测未来STEM劳动力供给，衔接人才培养体系与产业需求，推动欧洲创新生态的可持续发展。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲14国STEM从业者周均实际工时（2008–2025年），在劳动力经济学与时序预测领域具有前沿应用价值。当前研究趋势方向包括：利用该数据追踪欧洲技术人才短缺背景下STEM群体的劳动强度演变，结合性别维度（男/女/总计）分析工时差距；通过时间序列建模（如Prophet或Transformer架构）预测后疫情时代劳动力市场韧性；以及将ILOSTAT标准化指标与欧盟宏观政策（如《欧洲数字十年计划》）关联，量化STEM岗位工作条件对人才留存的影响。数据集的高频覆盖与多元缺口标识（如方法论断裂）也支持异常检测研究，为国际劳工组织与欧盟决策者提供数据驱动的工时治理证据。