electricsheepeurope/europe-ilo-eip-wdis-sex-dsb-nb-discouraged-job-seekers-by-sex-and-disability-stat

该数据集包含欧洲4个国家（英国、摩尔多瓦、阿尔巴尼亚、塞尔维亚）从2002年至2025年期间，关于其他劳动力未充分利用指标的249个观察值，具体指标为按性别和残疾状况分类的受挫求职者（千计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API提取并过滤至欧洲国家。数据集提供了详细的列结构，包括国家代码、国家名称、数据来源、指标代码、指标标签、性别分类、残疾状况分类、观察年份、观察值、数据状态标志等。数据以年度频率发布，适用于表格分类、回归和时间序列预测等任务，可用于分析劳动力市场中受挫求职者的趋势和差异。This dataset contains 249 observations of Other measures of labour underutilization data across 4 Europe countries (United Kingdom, Moldova, Albania, Serbia), spanning 2002 to 2025, covering 1 distinct indicator: Discouraged job-seekers by sex and disability status (thousands). The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), extracted via REST API and filtered to Europe country codes. The dataset includes detailed column schema such as country code, country name, data source, indicator code, indicator label, sex disaggregation, disability status classification, observation year, observed value, and data status flags. Data is published at annual frequency and is suitable for tasks like tabular classification, regression, and time-series forecasting, enabling analysis of trends and disparities in discouraged job-seekers within labour markets.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）的ILOSTAT数据库，聚焦于欧洲地区因性别和残疾状况而放弃求职的劳动力群体。通过调用ILOSTAT REST API接口，原始数据被定向抽取并过滤至欧洲ISO3国家代码范围，使得最终数据集仅保留欧洲四国（英国、摩尔多瓦、阿尔巴尼亚、塞尔维亚）的观测记录。ILOSTAT依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查微观数据进行标准化处理，确保指标口径一致。数据集经Electric Sheep Europe重新封装，以标准表格形式呈现，并为每个观测值标注其来源编码与数据质量状态，便于追踪溯源。

特点

该数据集收录自2002年至2025年间249条观测记录，涵盖性别（总、男、女）与残疾状况双重维度拆解，核心指标为‘因性别和残疾状况放弃求职者人数（千）’。数据具有明确的时间序列属性，可按国家、性别或残疾状态进行灵活切片。每个观测值均附带数据质量标记（如‘不可靠’），且当同一国家-年份存在多个来源时，采用ILO选定的最佳来源，确保了数据的一致性与权威性。数据表结构清晰，包含国家代码、来源、指标、时间及观测值等14个字段，便于各类统计分析。

使用方法

用户可通过HuggingFace Datasets库轻松载入数据：调用`load_dataset('electricsheepeurope/europe-ilo-eip-wdis-sex-dsb-nb-discouraged-job-seekers-by-sex-and-disability-stat')`即可获取训练集，并直接转换为pandas DataFrame进行后续分析。针对特定国家筛选、时间序列可视化或构建国家×年份透视表等常见操作，均有对应的简洁代码示例参考。该数据集适用于劳动经济学中的劳动力利用不足研究、性别平等与残疾包容性政策评估，以及欧洲跨国劳动力市场比较分析等场景。

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数据库于2025年整理发布，并由Electric Sheep Europe重新封装，旨在系统收集欧洲地区因性别和残疾状况而放弃求职的群体规模数据。核心研究问题聚焦于劳动力利用不足的非传统衡量指标，特别是“沮丧求职者”（discouraged job-seekers）这一细分群体，揭示了劳动市场中因结构性障碍（如歧视、技能错配或信息不对称）而退出求职活动的人群特征。数据集覆盖阿尔巴尼亚、摩尔多瓦、塞尔维亚和英国四国，时间跨度自2002年至2025年，共包含249条观测记录，通过标准化分类变量（如性别和残疾状态）提供了多维度的劳动力参与缺失分析视角。该数据集的发布为研究欧洲地区社会包容性政策、劳动市场边缘化群体以及可持续发展目标（SDG）中体面工作指标的量化评估提供了宝贵的微观数据支撑，尤其弥补了传统失业率指标对隐形就业不足人群的统计盲区。

当前挑战

该数据集主要面临两大挑战。首先，在领域问题层面，沮丧求职者的定义和统计标准受国际劳工统计学家会议（ICLS）的指导框架约束，但不同国家间因调查设计（如劳动力调查、家庭收入调查）和文化差异导致对“求职意愿”的主观判断存在偏差，使得跨国可比性和一致性难以保证。此外，数据集仅涵盖少数欧洲国家（4国）且部分国家观测值稀疏（如塞尔维亚仅8条记录），这限制了区域间系统性比较和泛化模型的构建。其次，在构建过程中，数据来源的多源性（如从ILOSTAT API抽取）带来了标准化处理的复杂性，不同来源标记的“最佳来源”选择逻辑可能引入选择偏差；同时，分类变量（如性别为总、男性、女性）和残疾状态分类的缺失值处理，以及年度频率对季节性劳动力市场波动的忽略，进一步增加了时间序列分析和预测建模的不确定性。

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，该数据集常用于建模与预测欧洲各国‘丧失信心的求职者’数量，即那些因认为无合适工作机会而停止积极求职的劳动力群体。研究者可基于性别与残疾状况的细分维度，构建时间序列回归或分类模型，分析经济周期、制度变迁等因素如何影响不同亚群体的劳动力退出行为。例如，借助该数据可考察金融危机或疫情冲击后，残疾男性与女性在求职信心上的差异化恢复轨迹，从而揭示劳动力市场中的结构性排斥问题。

解决学术问题

该数据集核心服务于劳动力利用不足的测度与成因解构这一学术命题。传统失业率指标往往忽略‘沮丧劳动者’这一隐性失业群体，导致对真实就业压力的低估。通过提供性别与残疾状况的交叉分类数据，研究者能够量化残疾人群在劳动力市场中面临的非正规壁垒，检验‘隐形歧视假说’与‘残疾就业鸿沟’等理论框架。其影响力在于推动国际劳工组织（ILO）对劳动力市场健康状况的评估体系从单一失业率向多维利用不足指标转型，为可持续就业目标（SDG 8）提供精细化的监测基准。

衍生相关工作

围绕该数据集已衍生出多项经典研究。例如，ILO自身基于类似数据源发布了《全球劳动力市场利用不足趋势》年度报告，开创了将‘沮丧劳动者’指标纳入国家劳动力韧性评估的先河。学术界则利用该数据验证了‘疤痕效应’假说——即经济低迷时期长期失业经历会永久性降低残疾求职者的市场参与意愿。此外，有学者将该数据集与欧洲收入动态调查（EU-SILC）关联，构建残疾劳动者从‘沮丧’到‘永久退出’的生存分析模型，相关成果发表于《劳动经济学》与《残疾政策研究》等权威期刊，为后续政策模拟提供了方法论范式。