electricsheepafrica/africa-ilo-emp-xtru-sex-dsb-nb-time-related-underemployment-by-sex-and-disability

该数据集名为按性别和残疾状况划分的时间相关就业不足（千人数）|非洲（ILOSTAT），是一个关于非洲劳动力市场的表格型数据集，专注于时间序列分析和预测。数据集包含577个观测值，覆盖24个非洲国家（如卢旺达、加纳、津巴布韦等），时间跨度为2005年至2025年。核心指标为EMP_XTRU_SEX_DSB_NB，即按性别和残疾状况划分的时间相关就业不足人数（以千为单位），用于衡量劳动力市场中因工作时间不足而导致的就业不足情况。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过API获取并经过标准化处理，确保符合国际劳工统计学家会议（ICLS）的定义。数据集模式包括国家代码、指标代码、性别分类（总计、男性、女性）、年份、观测值等列，并提供了数据来源和质量标志（如临时数据、系列中断等）。该数据集由Electric Sheep Africa重新打包，旨在为非洲提供统一的、机器学习就绪的数据层，支持研究人员和开发者快速加载和分析。数据集适用于表格分类、回归和时间序列预测任务，可用于研究非洲就业趋势、性别和残疾状况对就业的影响等。This dataset is named Time-related underemployment by sex and disability status (thousands) | Africa (ILOSTAT) and is a tabular dataset focused on labor market analysis in Africa, particularly for time series forecasting and classification. It contains 577 observations across 24 African countries (e.g., Rwanda, Ghana, Zimbabwe) spanning the years 2005 to 2025. The primary indicator is EMP_XTRU_SEX_DSB_NB, which measures time-related underemployment by sex and disability status in thousands, reflecting the number of persons in employment who are willing to work more hours. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and harmonized using International Conference of Labour Statisticians (ICLS) definitions. The schema includes columns for country codes, indicator codes, sex disaggregation (total, male, female), year, observed values, and data quality flags (e.g., provisional, break in series). Repackaged by Electric Sheep Africa, this dataset is part of a unified, ML-ready data layer for Africa, designed for easy loading and analysis via Hugging Face Datasets. It is suitable for tabular classification, regression, and time-series forecasting tasks, supporting research on employment trends, gender and disability disparities in Africa.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa基于国际劳工组织统计数据库（ILOSTAT）的原始劳动统计资料进行系统性重构而成。工程团队从ILOSTAT中提取2005至2025年间24个非洲国家关于与时间相关的就业不足数据，按性别与残疾状况两个维度进行分类整理，形成共577条观测记录。数据经标准化处理后被封装为Parquet格式，并附带完善的元数据说明、来源标注及加载指引，以支持可复现的分析工作流。

特点

该数据集聚焦非洲地区与时间相关的就业不足状况，以千人为计量单位，覆盖性别与残疾状况双重分组维度，时间跨度达二十年，涉及24个非洲国家。其规模精炼，观测数量不足千条，适合作为结构化分析与跨国比较的基础材料。数据集遵循CC BY 4.0开放许可，以表格与文本双模态呈现，配备标准化元数据标签，便于在非洲数据发现框架内进行检索与整合。

使用方法

研究者可通过Hugging Face的datasets库以load_dataset函数直接加载该数据集，并利用数据集查看器检视其结构与特征。在建模前，建议先审查仓库文件以确认变量定义、计量单位及缺失值分布，避免仅凭标签推断政策含义。若数据为表格结构，可将其转换为Pandas数据框以便进一步分析。该数据集支持按地理、时间及子群维度进行变量剖析，亦可与Electric Sheep Africa目录中其他数据集通过国家、年份及指标字段进行联接，以构建可复现的研究笔记并完整引用来源。

背景与挑战

背景概述

国际劳工组织长期以来致力于构建全球劳动力市场统计体系，ILOSTAT作为其核心统计数据库，为监测就业质量提供了权威数据基础。该数据集由Electric Sheep Africa于2026年整理发布，源于ILOSTAT的公开统计数据，涵盖2005至2025年间24个非洲国家577条观测记录，聚焦于按性别与残疾状况分类的时间相关就业不足人口（以千计）。数据集以标准化元数据封装为Parquet格式，旨在促进非洲劳动经济学领域的可复现研究与跨国比较分析，为探究弱势群体就业困境提供了结构化证据支撑。

当前挑战

该数据集所回应的核心领域问题在于时间相关就业不足的精细化测量，尤其是性别与残疾状况交叉维度下的差异化表现，此类细分统计在发展中国家长期面临数据稀疏与口径不一的困境。构建过程中的挑战体现于多源数据的标准化整合，包括跨国指标定义的对齐、残疾状况分类的跨文化可比性、缺失值的审慎处理，以及元数据中地理与发布者信息的补全。这些局限要求研究者在建模前充分核实变量定义与单位，避免对标签作过度政策解读。

常用场景

经典使用场景

在劳动经济学与非洲发展研究的交汇处，该数据集常被用于刻画性别与残疾状态维度下非洲劳动力市场中与时间相关的就业不足状况。研究者借助覆盖2005至2025年、涉及24个非洲国家的577条观测记录，得以在统一口径下比较不同群体之间就业不足发生率的演变轨迹，进而揭示劳动力利用不足的结构性差异。其典型用法包括按国家、年份与人口子群体进行面板汇总，以及绘制性别与残疾身份交叉分组下的时间序列趋势。

解决学术问题

该数据集回应了非洲劳动统计中长期存在的细分数据匮乏问题。传统就业不足研究多聚焦总体水平，难以在性别与残疾状态的双重维度上展开细致比较，而残疾劳动者在非洲劳动力市场中的处境往往因数据缺失而被边缘化。该数据集以标准化元数据与可复现的表格结构，为探究就业不足的群体异质性、评估包容性劳动政策效果提供了经验基础，对推动残疾与性别平等的实证研究具有显著意义。

衍生相关工作

依托Electric Sheep Africa的标准化元数据框架，该数据集与同一目录下其他ILOSTAT衍生的非洲劳动统计数据集形成互操作体系，催生了一系列围绕非洲劳动力市场细分的可复现分析。相关衍生工作包括跨国就业不足比较研究、性别与残疾交叉不平等测度，以及将本数据集与区域经济指标联结的探索性数据科学项目，逐步构建起面向非洲公共数据发现与再利用的开放分析生态。