electricsheepafrica/africa-ilo-emp-publ-sex-oc2-nb-public-sector-employment-by-sex-and-occupation-isc

该数据集包含14,518个观测值，涉及40个非洲国家的公共部门工作者数据，时间跨度为1999年至2025年，涵盖1个具体指标：按性别和职业（ISCO 2级分类）统计的公共部门就业人数（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤非洲国家代码。数据集为表格格式，适用于表格分类、回归或时间序列预测任务，包括国家代码、年份、性别分类、观测值等列，并提供了数据质量注意事项和使用示例。This dataset comprises 14,518 observations, covering public sector worker data from 40 African countries spanning 1999 to 2025. It includes one specific indicator: the count of public sector employees (in thousands) categorized by gender and occupation, with occupations classified at the 2-digit ISCO level. The data is sourced from the ILOSTAT database maintained by the International Labour Organization (ILO), retrieved via an API and filtered to include only African country codes. The dataset is in tabular format, applicable to tasks including tabular classification, regression, and time series forecasting. Its columns consist of country code, year, gender category, observation values, and other relevant fields. Supplementary materials include data quality notes and usage examples.

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API接口直接采集非洲国家相关的公共部门就业数据，并依据ISO 3166-1 alpha-3国家代码进行区域筛选。ILO统计部门运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统一协调处理，确保跨国家、跨年份数据的可比性与标准化。数据集由Electric Sheep Africa团队重新封装，以HuggingFace Datasets格式发布，支持便捷的机器学习就绪调用。

使用方法

用户可通过HuggingFace Datasets库的`load_dataset`函数一键加载该数据集至Python环境，并快速转换为Pandas DataFrame进行后续分析。示例代码展示了按国家筛选、针对特定指标绘制时间序列图，以及构建国家-年份矩阵等典型操作流程。数据集的结构化字段设计使得用户能够灵活地基于国家、性别、职业分类等属性进行数据切片与聚合，高效开展非洲劳动力市场的实证研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门创建，并经Electric Sheep Africa于2025年重新打包发布，聚焦非洲地区公共部门就业人员按性别与职业（ISCO二级分类）划分的统计数据。数据集涵盖1999年至2025年间40个非洲国家的14,518条观测记录，核心研究问题在于揭示非洲大陆公共部门就业结构的性别差异与职业分布特征，为劳动经济学、性别平等研究及区域发展政策提供关键数据支撑。作为ILOSTAT全球劳动统计数据库的关键子集，该数据集弥补了非洲地区高质量、标准化公共就业数据的稀缺，对推动以数据驱动的劳动力政策制定、跨国比较研究及可持续发展目标（SDG）监测具有显著影响力。

当前挑战

当前面临的首要领域挑战在于非洲各国劳动统计数据采集口径不一，各国通过劳动力调查、行政记录等多源渠道提供数据，但调查时间、频率与定义差异（如ICLS标准执行程度）导致数据可比性薄弱。构建过程中，数据集需处理多源数据整合难题，包括对原始调查微数据进行ILO统一协调的标注与清洗，同时应对部分国家数据缺失、观测值标记为不可靠（如obs_status为U）以及序列中断（如方法修订导致的断点）等问题。此外，时间序列数据以年度频率呈现，却未包含月度或季度细粒度信息，限制了短期波动分析能力；而按性别、职业维度的拆解虽提供了细分视角，却因部分维度字段为空值而削弱了完整统计推断的潜力。

常用场景

经典使用场景

在劳动经济学与公共政策研究领域，该数据集最经典的使用场景在于解析非洲各国公共部门就业的结构性特征。通过按性别和国际标准职业分类第二层级进行细分的数据架构，研究者能够系统性地追踪1999至2025年间40个非洲国家公共部门从业人员的规模与分布变化。借助时间序列分析工具，学者可以揭示不同职业类别中性别差异的演变趋势，为理解非洲大陆劳动力市场的结构性转型提供量化基础。

解决学术问题

该数据集有效解决了非洲劳动统计中公共部门就业数据碎片化、标准不统一的核心学术难题。通过国际劳工组织统一的数据标准与同质化处理，它使得跨国家、跨时段比较成为可能，进而支持性别平等、职业隔离、公共部门效率等一系列议题的因果推断。其深远意义在于填补了非洲地区面板数据缺口，为验证人力资本理论、制度经济学框架下的公共部门雇佣行为提供了可靠的实证依据。

实际应用

在实际应用中，该数据集为国际发展机构、非洲各国劳动部门及非政府组织提供了可操作的政策参考。分析结果可用于评估公共部门吸纳就业的能力，优化职业培训资源配置，并监测性别平等目标的实现进度。金融机构亦可依据就业结构的动态调整信贷策略，而企业则能据此预判公共服务领域的人才供给趋势，提升区域市场布局的精准度。

数据集最近研究

最新研究方向

该数据集聚焦于非洲公共部门就业在性别与职业维度上的时空演变，为劳动经济学中的性别差异研究提供了稀有的面板数据支撑。当前前沿方向包括利用时序预测模型（如Prophet或LSTM）对各国公共部门就业趋势进行短中期推演，结合ILOSTAT的标准化定义与ICLS统计准则，探究女性在ISCO二级职业中的代表性变迁。此外，该数据与非洲大陆自贸区（AfCFTA）推进、各国公务员改革等热点政策事件相勾连，可用于评估制度变革对公共就业结构的冲击效应，其40国覆盖与跨26年的观测跨度使得跨区域比较与因果推断成为可能，进而为ILO体面劳动目标的监测与撒哈拉以南非洲劳动力市场治理提供量化依据。