electricsheepafrica/africa-ilo-cld-xgpb-sex-age-rt-share-of-children-in-child-labour-general-producti

该数据集包含非洲44个国家从2001年至2025年间的童工比例数据，具体指标为按性别和年龄划分的童工比例——通用生产边界（%）。数据集共有1,072个观察值，涵盖了1个独特指标，数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过标准化处理并过滤为非洲国家。数据按性别（总计、男性、女性）和年龄等维度进行细分，适用于表格分类、回归和时间序列预测等任务。数据集以CC-BY-4.0许可证发布，由Electric Sheep Africa重新打包，旨在为非洲提供机器学习就绪的数据层。This dataset contains child labor ratio data for 44 African countries spanning the years 2001 to 2025. The specific indicator is child labor ratios disaggregated by gender and age, expressed as General Production Boundaries (%). The dataset comprises 1,072 observations and covers 1 unique indicator. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), and has been standardized and filtered to retain only data for African countries. The data is disaggregated across dimensions including gender (total, male, female) and age, making it applicable for tasks such as tabular classification, regression, and time series forecasting. Released under the CC-BY-4.0 license, the dataset was repackaged by Electric Sheep Africa with the aim of providing machine learning-ready data layers for Africa.

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核心统计数据库，经由非洲数据平台Electric Sheep Africa重新封装后发布。数据通过ILOSTAT REST API直接抽取，限定为非洲44个国家的ISO3国家代码，并依据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标准化处理。数据集共涵盖1,072条观测记录，时间跨度从2001年至2025年，收录了“儿童劳动份额——按性别和年龄划分的一般生产边界比率”这一核心指标。所有数据均以Parquet格式存储，确保机器学习的即用性与高效加载。

特点

该数据集聚焦于非洲区域儿童劳动问题的量化分析，具有高度结构化的特征。其核心变量包括国家代码、数据来源、指标代码、性别分类（总/男/女）、年龄分类及观测值。数据质量方面，当同一国家与年份存在多个来源时，ILO采用其选定的“最佳来源”以确保一致性；观测状态标志（如“序列中断”）与附注标签为数据的可靠性评估提供了透明依据。最突出的特点在于其纵向时间序列与横向跨国比较的双重能力，为研究非洲儿童劳动的区域差异与历史演变提供了不可多得的数据基础。

使用方法

研究者可通过HuggingFace的`datasets`库便捷加载该数据集，使用`load_dataset`函数即可获取全部观测数据，并迅速转化为Pandas DataFrame进行后续操作。典型应用包括按国家过滤以分析特定地区的时间序列趋势，或按指标筛选后绘制观测值的年度变化曲线。此外，借助透视表功能，可将数据重塑为国家×年份的矩阵形态，便于进行面板数据分析与跨区域比较。该数据集适用于分类、回归及时间序列预测等多种下游任务，是劳动经济学、发展研究及公共政策分析领域的宝贵资源。

背景与挑战

背景概述

非洲地区作为全球童工问题最为严峻的大陆，超过三分之一的童工集中于撒哈拉以南区域，根植于贫困、教育匮乏与社会保障缺位等多重困境。在此背景下，国际劳工组织（ILO）于2025年基于ILOSTAT统计数据库发布该数据集，由Electric Sheep Africa团队重新封装并托管于HuggingFace平台。核心研究旨在量化44个非洲国家2001至2025年期间，按性别与年龄分层的童工发生率，聚焦于一般生产边界（General Production Boundary）框架下的劳动参与。该数据集凭借1,072条观测值及严格的ILO统计标准，为政策制定者与学者提供了追踪非洲童工演变趋势的权威工具，对联合国可持续发展目标中体面劳动与人权保障议题具有深远影响。

当前挑战

童工数据的精准测量面临双重挑战。从领域层面看，童工的界定涉及生产边界的模糊性，非正规经济中的隐形劳动与家庭内无偿劳动常被低估，且不同国家法律对‘童工’与‘未成年人劳动’的划分标准不一，导致跨区域比较存在偏差。在数据构建过程中，ILO需要整合44个国家来源迥异的基础数据，涵盖劳动力调查与行政记录等异构来源，并通过统计方法调和因方法论修订（如断点标记）造成的时间序列断裂。此外，性别与年龄分层虽提升了分析粒度，但观测值中缺失值比例高，且部分国家数据覆盖稀疏，制约了模型训练的完整性与预测精度。

常用场景

经典使用场景

在非洲童工问题研究中，该数据集作为经国际劳工组织（ILO）权威统计数据库ILOSTAT统一标准处理的微观数据集合，为研究者提供了横跨44个非洲国家、涵盖2001至2025年长达四分之一世纪的观测序列。数据集记录了按性别和年龄分层计算的童工发生率指标（CLD_XGPB_SEX_AGE_RT），即处于一般生产边界内的童工比例。经典运用方式包括利用其面板结构构建多水平线性模型，以探究国家层面经济政策波动与童工比例的关联；或通过绘制每个国家的时间序列折线图，直观呈现特定地区童工现象的演进轨迹。研究者还能将性别变量作为调节因子，对比男孩与女孩在特定年龄段被卷入劳动市场的概率差异，从而揭示童工问题背后的结构性不平等。

实际应用

在实际场景中，该数据集为国际组织、政府机构及非政府组织的决策与干预提供了可量化的工具。联合国可持续发展目标（SDG）框架下，目标8.7要求立即采取有效措施消除强迫劳动与童工——借助该数据集，政策制定者能精准识别童工比率居高不下的国家与年龄段，从而优先分配来自世界银行或ILO的专项资金。例如，当乌干达的15至17岁年龄段数据出现连续三年上升时，检验援助项目的归因分析便有了依据。数据集的年度采样频率也适合用于追踪特定干预措施（如免费义务教育法案或农村小额信贷计划）生效前后的童工变化趋势，为项目评估的准实验设计（如间断时间序列）提供了可靠的输入。

衍生相关工作

该数据集的衍生工作主要集中在劳动统计与非洲区域研究的交叉领域。基于此数据集，有学者构建了预测非洲国家童工率短期趋势的机器学习模型（如随机森林与LSTM时序网络），并将其部署为开源监测仪表盘，用以警示突发的恶化拐点。另有研究团队利用该数据整理出第一份按性别细分的非洲童工地图集，彻底改变了以往仅凭国家层面汇总数据做分析的局面。此外，数据集中独特的‘break in series’观测状态标记催生了一系列关于调查方法论变动对统计结果影响的稳健性检验方法论文，推动了国际劳动统计领域关于数据全链条可溯性的标准化讨论。这些工作无一例外均引用了ILOSTAT官方数据与Electric Sheep Africa的标准化封装，共同丰富了非洲劳动经济学这项重要的实证知识基石。