electricsheepasia/asia-ilo-cld-xgpb-sex-age-ste-nb-children-in-child-labour-general-production-bounda

该数据集包含126个观测值，涉及亚洲3个国家的童工数据，时间跨度为2019年至2022年，涵盖1个不同的指标。数据来源于国际劳工组织（ILO）的中央统计数据库ILOSTAT，该数据库是全球劳动统计的主要来源，编译了就业、失业、工资、工作时间、童工、非正规经济、社会保护、职业伤害和可持续发展目标（SDG）体面工作目标等指标。数据通过ILOSTAT REST API直接获取，并过滤为亚洲ISO3国家代码。数据集包括国家代码、国家名称、来源代码、指标代码、性别分类、年龄分类、就业状况分类、观测年份、观测值、观测状态等列，并提供了数据质量注意事项，如数据为年度频率、使用ILO选择的“最佳来源”等。This dataset contains 126 observations of child labour data across 3 Asia countries, spanning 2019–2022, covering 1 distinct indicator. The data is sourced from ILOSTAT, the ILOs central statistics database and a leading global source for labour statistics, which compiles indicators across employment, unemployment, wages, working time, child labour, informal economy, social protection, occupational injuries, and SDG decent work targets. Data is pulled directly from the ILOSTAT REST API and filtered to Asia ISO3 country codes. The dataset includes columns such as country code, country name, source code, indicator code, sex disaggregation, age classification, status in employment classification, observation year, observed value, observation status, and provides data quality caveats like annual frequency and use of ILO-selected best source.

搜集汇总

数据集介绍

构建方式

该数据集依托国际劳工组织（ILO）的ILOSTAT统计数据库构建，通过REST API直接提取指标编码为CLD_XGPB_SEX_AGE_STE_NB的童工数据，并依据亚洲ISO3国家代码进行地域筛选。原始数据来源于各国劳动力调查、家庭收入调查等官方统计，经ILO依据国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集封装为HuggingFace Datasets格式，由Electric Sheep Asia团队完成清洗、重组与发布，最终包含126条观测记录，覆盖孟加拉国、老挝和马尔代夫三个亚洲国家，时间跨度为2019年至2022年。

使用方法

用户可通过HuggingFace Datasets库以`load_dataset()`函数直接加载数据集，并转换为Pandas DataFrame进行后续分析。典型操作包括按国家代码（`ref_area`）筛选特定区域数据、按时间序列排序以观察童工数量的演变趋势，以及利用透视表构建国家×年份的矩阵进行横向与纵向对比。此外，数据集支持按性别等维度进行分组分析，便于研究人员结合ILO定义进行区域间比较与政策评估。所有数据均以CC-BY-4.0许可发布，使用时需同时引用ILO原始来源与Electric Sheep Asia的重封装版本。

背景与挑战

背景概述

亚太地区是全球童工问题最为突出的区域之一，国际劳工组织（ILO）通过其核心统计数据库ILOSTAT持续追踪该领域的关键指标。该数据集由Electric Sheep Asia于2022年重新封装并发布，聚焦三个亚洲国家（孟加拉国、老挝、马尔代夫）在2019至2022年间，按性别、年龄及就业身份划分的童工人口数据（基于一般生产边界定义，单位：千人）。数据集源自ILO依据国际劳工统计学家会议（ICLS）标准统一处理的劳动调查微观数据，共计126条观测记录，完整保留了原始数据中的来源标签、观测状态及系列中断等注释信息，为亚太区域童工问题的实证研究提供了标准化的、严格可比的基础数据，对评估可持续发展目标（SDG）中关于消除童工的进展具有重要意义。

当前挑战

该数据集所应对的核心领域挑战在于：童工统计长期面临定义口径不一致（如经济活动人口与一般生产边界间的差异）、调查频率低且覆盖面有限，导致跨区域、跨时间比较极为困难。构建过程中的挑战首先体现为数据源的多样性——不同国家的劳动调查在问卷设计、抽样框架和参考期上存在显著差异，ILO虽进行了统一化处理，但数据集中标识为“不可靠”的观测值（如obs_status为“U”的条目）揭示了底层数据质量的不确定性。此外，针对部分年份仅有单一国家观测的情况（如马尔代夫仅2019年数据），时间序列的断裂与缺失在分析中需谨慎处理，且三个亚洲国家的样本量偏小，难以支撑细粒度的子群体推断或精准政策评估。

常用场景

经典使用场景

该数据集聚焦于亚洲地区童工现象的定量刻画，收录了孟加拉国、老挝和马尔代夫三个国家在2019至2022年间的126条观测记录。其核心指标‘一般生产边界下的童工数量’按性别、年龄及就业身份进行细致分层，为区域劳动力市场研究提供了标准化、可比较的基础数据。研究者常利用该数据集进行跨国或跨年份的童工规模对比分析，或结合性别与年龄维度探讨童工分布的结构性特征，亦作为时间序列预测模型的输入素材，以揭示亚洲特定经济体童工现象的演变趋势。

解决学术问题

该数据集有效回应了亚洲发展中国家童工研究中长期存在的数据碎片化与口径不统一问题。通过引用国际劳工组织（ILO）依据国际劳工统计学家会议（ICLS）定义所整合的标准化指标，研究者得以跨越国界开展严谨的计量分析，量化童工现象的规模与人口结构特征。这有助于学术界深入剖析童工与贫困、教育缺失、性别不平等之间的复杂关联，并为评估《可持续发展目标》（SDG）中关于消除童工的具体进展提供关键实证依据，进而推动劳动经济学与发展经济学领域的理论建构。

实际应用

在实际应用中，该数据集是国际组织、政府机构及非营利组织制定与评估反童工政策的宝贵工具。政策制定者可依据按性别和年龄分层的数据，精准识别高风险人群，从而设计更具针对性的干预措施，例如孟加拉国的童工调查数据曾直接用于调整国家劳动监察资源分配。此外，数据中的状态标记（如‘不可靠’或‘方法修订’）可警示使用者注意数据质量，辅助开展敏感性分析，确保基于该数据集的决策建议更加稳健可靠。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区童工劳动参与状况的量化分析，按性别、年龄与就业身份维度进行精细化呈现，为国际劳工组织ILO推动的“体面劳动”与可持续发展目标（SDG 8.7）中消除童工现象的监测评估提供了高颗粒度的时序数据支撑。当前，伴随全球供应链透明度立法与ESG合规审查的深化，基于该数据集的统计建模与预测研究正成为热点，尤其是利用时间序列分析与分类回归方法揭示南亚、东南亚国家的童工分布规律、脆弱群体识别及政策干预效果量化，对发展经济学、劳动社会学与公共政策领域具有重要的实证驱动意义。