electricsheepafrica/africa-ilo-how-xees-sex-eco-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集包含了非洲43个国家从1969年至2025年的21,932个观测值，聚焦于按性别和经济活动划分的雇员实际平均每周工作小时数这一指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涵盖了劳动统计中的工作时间相关数据，并经过Electric Sheep Africa重新打包，以提供一致的ML就绪格式。数据集包括国家代码、年份、性别维度、经济活动和观测值等列，适用于表格分类、回归和时间序列预测等任务。This dataset contains 21,932 observations of Mean weekly hours actually worked per employee by sex and economic activity across 43 Africa countries, spanning from 1969 to 2025. It is sourced from the ILOSTAT database of the International Labour Organization (ILO), focusing on hours of work statistics, and repackaged by Electric Sheep Africa for ML-ready use. The dataset includes columns such as country code, year, sex dimension, economic activity, and observed values, suitable for tabular classification, regression, and time-series forecasting tasks.

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（ILO）的ILOSTAT核心统计数据重新封装而成。数据通过ILOSTAT REST API直接获取，针对指标代码HOW_XEES_SEX_ECO_NB进行拉取，并筛选出非洲ISO3国家代码对应的观测值。ILOSTAT本身采用国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行协调，数据集在source.label列中标注了数据来源，确保可追溯性。最终形成了包含21,932条观测、覆盖43个非洲国家、时间跨度从1969年至2025年的结构化表格数据。

使用方法

用户可通过HuggingFace的datasets库轻松加载数据，使用load_dataset("electricsheepafrica/africa-ilo-how-xees-sex-eco-nb-mean-weekly-hours-actually-worked-per-employee-by")函数即可获取训练集并转化为Pandas DataFrame进行后续分析。典型用法包括按国家代码筛选特定国家的子集、按指标排序生成时间序列图、或利用pivot_table构建国家×年份的透视矩阵，从而满足不同研究场景下的数据探索与建模需求。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年创建，经Electric Sheep Africa重新打包发布至HuggingFace平台，旨在提供非洲地区劳动者平均每周实际工作小时数的标准化统计数据。数据集整合了ILOSTAT数据库中43个非洲国家从1969年至2025年的21,932条观测记录，涵盖按性别和经济活动分类的工时指标，填补了非洲劳动市场长期缺乏统一、细粒度时间序列数据的空白。作为ILO劳动统计体系的重要组成部分，该数据集为研究非洲劳动力市场动态、性别差异、经济结构调整以及可持续发展目标中的体面劳动进展提供了关键数据支撑，尤其有助于跨国比较和长期趋势分析。

当前挑战

该数据集面临两大挑战。领域问题层面，非洲劳动市场数据长期存在来源分散、统计口径不一、时间序列断裂等缺陷，尤其是非正规经济占比较高导致工时数据难以准确捕获，现有指标多依赖劳动力调查，但各国调查频率、样本设计差异显著，使得跨国可比性受限。构建过程中，数据整合需处理ILOSTAT多源异构数据的归一化问题，包括不同调查类型（如LFS、企业调查）的指标定义差异、观测值质量标记（如不可靠、临时值）的筛选、以及因方法论修订导致的序列中断，加之部分国家数据稀疏或年份缺失，进一步增加了清洗与建模的复杂性。

常用场景

经典使用场景

该数据集记录非洲43个国家1969至2025年间按性别和经济活动划分的雇员每周实际平均工作时间，是劳动经济学与时间序列分析领域的宝贵资源。研究者可借此构建面板数据模型，探究非洲各国劳动供给模式的时空演变规律，或结合性别维度剖析劳动力市场中存在的结构性差异。数据以年度频率呈现，易于与国民账户、教育水平、健康指标等其他宏观面板数据联动，从而开展多变量因果推断或增长核算分析。

解决学术问题

该数据集为解答非洲劳动市场中的若干核心学术问题提供了支撑。例如，它有助于揭示经济结构转型过程中不同行业工时变化的趋势，以及性别间劳动参与质量的动态差异。通过纵向对比，研究者可以评估各类劳动政策（如最低工资立法、产假制度）对实际工时的干预效果，并检验经济发展阶段与劳动强度的非线性关系。数据的长期跨度和统一口径显著提升了跨国比较研究的信度与效度。

实际应用

在实际应用中，该数据集可为国际组织与各国决策部门制定劳动与社会保障政策提供量化基准。利用这些时序数据，政策制定者能够监测非洲地区就业质量的变化趋势，识别工时过长或过短的行业与人群，从而精准设计工时调控与职业健康干预措施。此外，数据还可融入企业人力资本规划与国际供应链尽职调查，帮助跨国机构评估非洲投资目的地的劳动力可持续性。

数据集最近研究

最新研究方向

在非洲劳动经济研究领域，该数据集为剖析性别与经济活动维度下实际周工作时间的时空演变提供了关键支撑。前沿研究方向聚焦于利用时序预测模型（如Prophet或LSTM）捕捉1969至2025年间43国工作强度的动态变化，并结合ILOSTAT的标准化分类体系，探究非正规就业扩张、产业转型及性别平等政策对劳动供给的差异化影响。该数据与SDG体面工作目标形成直接映射，尤其为监测非洲大陆在新冠疫情后工时恢复、性别就业鸿沟缩小等热点问题提供了高分辨率证据。其意义在于填补了非洲区域高粒度连续工时数据空白，驱动数据驱动的劳动力市场预警与政策模拟研究。