electricsheepeurope/europe-ilo-ees-tees-sex-oc2-nb-employees-by-sex-and-occupation-isco-level-2-thous

该数据集名为按性别和职业划分的雇员数 - ISCO 2级（千）| 欧洲（ILOSTAT），是一个表格数据集，包含103,499个观测值，覆盖38个欧洲国家，时间跨度为1992年至2025年。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，核心指标为EES_TEES_SEX_OC2_NB，即按性别和职业（根据国际标准职业分类ISCO 2级）统计的雇员数量（以千计）。数据集提供了详细的列信息，包括国家代码、年份、性别分类（总人口、男性、女性）、观测值、数据来源和质量标志等，适用于表格分类、回归和时间序列预测等自然语言处理任务。数据经过ILO的标准化处理，并经过Electric Sheep Europe重新打包，以方便机器学习使用。The dataset is named Employees by sex and occupation - ISCO level 2 (thousands) | Europe (ILOSTAT) and is a tabular dataset containing 103,499 observations across 38 European countries, spanning the years 1992 to 2025. It is sourced from the ILOSTAT database of the International Labour Organization (ILO), with the core indicator EES_TEES_SEX_OC2_NB, which measures employees by sex and occupation (according to the International Standard Classification of Occupations ISCO level 2) in thousands. The dataset includes detailed columns such as country code, year, sex disaggregation (total, male, female), observed values, data sources, and quality flags, making it suitable for natural language processing tasks like tabular classification, regression, and time-series forecasting. The data is harmonized by ILO and repackaged by Electric Sheep Europe for machine learning readiness.

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中央统计数据库，由Electric Sheep Europe通过ILOSTAT REST API直接获取原始数据，并依据ISO3国家代码筛选出38个欧洲国家，覆盖1992至2025年的年度观测值。ILOSTAT采用国际劳工统计学家会议（ICLS）定义对各国劳动力调查等微观数据进行统一协调，数据中通过source.label列标注原始来源以确保可追溯性。最终以Parquet格式重新打包，形成包含103,499条记录、1个指标的结构化表格数据集。

特点

数据集以表格形式呈现欧洲38国按性别和ISCO-08二位职业分类分组的雇员人数（千人），时间跨度逾三十年，涵盖总计、男性和女性三种性别细分。数据包含国家代码、来源、指标、性别分类、职业分类、年份、观测值及状态标志等丰富字段，并附有来源注释和序列断点说明。体量适中，超过十万行，适合开展跨国比较、职业性别差异分析以及时间序列预测等任务，且遵循CC-BY-4.0开放许可。

使用方法

研究者可通过HuggingFace datasets库以一行代码加载数据集，并转换为Pandas数据框进行灵活操作。典型用法包括按国家代码筛选特定国家数据、提取单一指标并按年份排序绘制时间序列图，以及利用透视表生成国家与年份的二维矩阵。该数据集可直接服务于探索性数据分析、性别职业隔离研究、劳动力市场趋势建模等场景，使用时应遵循CC-BY-4.0许可并同时引用ILO原始来源与Electric Sheep Europe的再包装工作。

背景与挑战

背景概述

国际劳工组织（ILO）自二十世纪中叶以来持续致力于全球劳动力市场统计体系的建构与完善，其核心数据库ILOSTAT汇集了二百余个经济体的就业、失业、工资及劳动条件等多维指标，构成了劳动经济学实证研究的基石性数据来源。该数据集由Electric Sheep Europe于2026年从ILOSTAT REST API中提取并重新封装，涵盖1992年至2025年间38个欧洲国家共计103,499条观测记录，以ISCO-08职业分类二级编码为框架，按性别分列雇员人数（千人），为探究欧洲劳动力市场中的职业性别隔离、就业结构变迁及跨国比较研究提供了高颗粒度的时序面板数据，其影响力延伸至劳动政策评估、社会经济史量化分析及机器学习驱动的预测建模等领域。

当前挑战

该数据集所回应的核心领域问题在于如何以标准化、可跨国比较的方式刻画欧洲各国职业结构中按性别分列的雇员分布及其时序演变，这涉及职业分类体系在三十年跨度内从ISCO-88向ISCO-08的转换适配以及各国劳动力调查口径的非均质性协调。构建过程中面临的主要挑战包括：部分国家或年份的观测值附有可靠性标记（obs_status标识为U），序列中断（note_indicator记录方法论修订）造成的时序不连续性，不同国家起始年份与终止年份参差不齐导致的面板非平衡性，以及数据源差异（source.label标明各国劳动力调查之不同）对跨国可比较性的潜在削弱。这些因素共同要求使用者在建模与推断时对数据质量标志予以充分考量。

常用场景

经典使用场景

在劳动经济学与就业结构分析的经典研究中，该数据集常被用于刻画欧洲各国按性别与ISCO二级职业分类划分的雇员数量长期演变轨迹。研究者借助其跨越1992至2025年的年度时间序列，开展性别职业隔离指数测算、就业结构转型识别以及跨国比较分析，从而揭示欧洲劳动力市场在职业维度上的性别分化格局及其动态调整过程。

解决学术问题

该数据集有效回应了劳动经济学中关于性别职业隔离测度、就业结构变迁归因以及跨国制度差异比较等核心学术问题。其经ILO统一协调的ICLS定义与来源标注机制，缓解了跨国劳动统计数据口径不一致的难题，为实证研究提供了可追溯、可复现的高质量面板数据基础，对推动比较劳动市场研究具有重要的方法论意义。

衍生相关工作

围绕该数据集及其源指标，已衍生出一系列经典研究工作，包括欧洲性别职业隔离长期趋势的跨国比较分析、基于ISCO分类的就业极化现象检验，以及将ILOSTAT数据与欧洲劳动力调查微观数据链接的混合方法研究。这些工作进一步拓展了该数据集在劳动社会学、人口经济学与政策评估领域的应用边界。