electricsheepafrica/africa-ilo-how-temp-sex-age-jbt-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集包含非洲38个国家从1991年至2025年期间，关于就业人员平均每周实际工作小时数的观测数据，总计28,403个观测值。数据按性别、年龄和工作时间安排进行细分，核心指标为“HOW_TEMP_SEX_AGE_JBT_NB”（按性别、年龄和工作时间安排分类的就业人员平均每周实际工作小时数）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过官方API获取，并经过标准化处理。数据集以表格形式组织，包括国家代码、年份、指标值、性别分类（总计、男性、女性）、年龄分类和工作时间安排分类等字段，适用于表格分类、回归和时间序列预测等任务。数据为年度频率，部分观测带有数据质量标志（如中断序列）。数据集由Electric Sheep Africa重新打包，旨在为非洲提供机器学习就绪的数据资源。This dataset contains 28,403 observations of mean weekly hours actually worked per employed person across 38 African countries from 1991 to 2025, disaggregated by sex, age, and working time arrangement. The core indicator is HOW_TEMP_SEX_AGE_JBT_NB (Mean weekly hours actually worked per employed person by sex, age and working time arrangement). Data is sourced from the International Labour Organization (ILO) ILOSTAT database via its REST API, filtered for African countries, and harmonized using ICLS definitions. The data is provided in tabular format with columns including country code, year, indicator value, sex classification (total, male, female), age classification, and working time arrangement. It is suitable for tabular classification, regression, and time-series forecasting tasks, with annual frequency and data quality flags (e.g., break in series). The dataset is repackaged by Electric Sheep Africa as part of a unified, ML-ready data layer for Africa.

搜集汇总

数据集介绍

构建方式

该数据集基于国际劳工组织（ILO）的ILOSTAT统计数据库构建，通过REST API直接提取指标为HOW_TEMP_SEX_AGE_JBT_NB的原始数据，并依据国际劳工统计学家会议（ICLS）定义对调查微观数据进行统一协调。数据筛选范围限定于非洲38个国家的ISO3国家代码，涵盖了1991年至2025年间的年度观测值，共计28,403条记录。每条观测均标注了数据来源标识（source.label），以确保可追溯性。数据最终以Parquet格式打包，由Electric Sheep Africa在HuggingFace平台上重新发布，便于机器学习场景直接调用。

特点

该数据集的显著特点在于其专注于非洲区域的劳动时间统计，提供了按性别（总、男、女）、年龄及工作时长安排划分的就业人员每周实际工作小时数，维度划分清晰且具有跨国家、跨年份的一致性。数据来源权威，源自ILO的官方协调统计，并标注了最佳来源选择及中断序列等观测状态标记。此外，数据集以结构化表格形式呈现，包含丰富的分类变量与备注注释，支持多维度的过滤与聚合分析，为研究非洲劳动力市场动态提供了高质量的时间序列数据支撑。

使用方法

数据集可通过HuggingFace Datasets库便捷加载，使用load_dataset函数即可获取训练集并转换为Pandas DataFrame进行后续分析。用户可通过过滤ref_area列聚焦特定国家的时间序列，亦可通过indicator列筛选指标后进行可视化。推荐利用pivot_table方法将数据重塑为国家×年份的矩阵形式，便于观察跨区域的横向对比。数据以年度频率发布，适用于时间序列预测、分类或回归等机器学习任务。在使用时需注意，部分分类维度（如sex、classif1）仅在指标发布相应细分时非空，且多源情形下采用ILO选定的最佳来源值。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）下属的ILOSTAT统计数据库整理，并经Electric Sheep Africa于2025年重新打包发布，聚焦非洲大陆38个国家1991年至2025年间按性别、年龄及工作时间安排划分的就业人员平均每周实际工作小时数。ILOSTAT作为全球劳工统计的权威枢纽，整合了来自劳动力调查、家庭收支调查及行政记录等多源数据，并依据国际劳工统计学家会议（ICLS）定义进行标准化处理。该数据集为研究非洲劳动力市场的时间利用模式、性别差异及人口结构变迁提供了罕见的跨时空面板数据，尤其对评估非正规经济中的劳动强度、监测可持续就业目标（SDG 8）的进展具有基础性支撑作用，填补了非洲区域精准化工时数据整合与可获取性的关键空白。

当前挑战

该数据集面临的核心挑战在于领域问题与构建过程层面：在领域层面，非洲各国劳动力调查的问卷设计、参考期定义及工时统计口径存在异构性，ILOSTAT虽通过ICLS标准进行协调，但实际观测值中'序列中断'（Break in series）标记的频繁出现，揭示了国家内部调查方法更替对长期趋势一致性的破坏；在构建过程中，数据主要依赖ILO选定的'最佳来源'，但部分国家因调查覆盖率不足或政治动荡导致年份缺失，尤其小国数据密度稀疏，同时多元分类维度（性别、年龄组、工作安排）的交叉分组常因样本量限制而出现空值，加剧了机器学习的稀疏性问题。此外，数据集仅收录年度频率，排除了国家层面可能存在的月度或季度波动信息，限制了高时间分辨率下的因果推断能力。

常用场景

经典使用场景

在劳动力经济学与非洲发展研究的交叉领域，该数据集为分析非洲各国劳动者实际周工作时间提供了珍贵的高粒度观测样本。研究者能够借助其涵盖38个国家、跨越34年（1991–2025年）的28,403条记录，按性别、年龄及工作安排进行精细化对比。经典使用场景包括构建面板数据模型以追踪非洲劳动力市场的结构性变迁，或利用时间序列方法识别不同国家在工时维度上的长期趋势与周期性波动，从而揭示经济发展阶段与劳动供给行为之间的内在关联。

实际应用

在实际应用中，该数据集可直接服务于非洲各国劳动部门及国际发展机构的政策评估与决策支持。通过监测不同性别与年龄群体周工时的变动趋势，政策制定者能够及时识别过劳风险或就业不足的脆弱地带，进而精准调整劳动保护法规与社会保障方案。此外，跨国比对能力更有助于世界银行、非洲开发银行等组织在涉及就业促进的劳动法改革项目中，基于数据驱动的洞察优化工作安排与生活平衡的干预措施，提升劳动力市场的韧性与包容性。

衍生相关工作

基于这一权威数据源，学术界已衍生出多项具有代表性的经典工作。其中，利用该数据集计算非洲各国分性别与年龄的工时弹性系数的研究，为估算劳动力供给曲线奠定了经验基础；而融合气候与经济变量的面板分析，则揭示了农业主导经济体在季节性波动中工时调整的独特模式。此外，该数据还被用于构建预测非洲各国未来十年劳动投入量的机器学习模型，推动了时序预测方法在宏观劳动力分析领域的应用深化，并催生了一批关于非洲非正规就业规模度量的创新性计量框架。