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

该数据集包含来自ILOSTAT（国际劳工组织统计数据库）的非洲国家劳动力统计数据，具体指标为“按性别和公共/私营部门划分的就业人员实际平均每周工作时间”。数据集包含2,012个观测值，覆盖41个非洲国家，时间跨度为1991年至2025年。数据通过ILOSTAT REST API获取，并经过过滤仅包含非洲国家，涵盖1个独立指标。数据集结构包括国家代码、国家名称、数据来源、指标代码、性别分类、时间、观测值等列，适用于表格分类、表格回归和时间序列预测等任务。This dataset contains 2,012 observations of Hours of work data across 41 Africa countries, spanning 1991–2025, covering 1 distinct indicators. It is sourced from ILOSTAT (ILOs central statistics database) and focuses on the indicator Mean weekly hours actually worked per employed person by sex and public/private sector. The data is filtered to Africa ISO3 country codes and includes columns for country codes, country names, data sources, indicator codes, sex disaggregation, time, observed values, and more. It is suitable for tasks like tabular classification, tabular regression, and time-series forecasting.

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，通过其REST API接口直接提取指标为“HOW_TEMP_SEX_INS_NB”的原始数据，并依据国际劳工统计学家会议（ICLS）定义进行标准化处理。数据仅筛选覆盖非洲地区的ISO 3166-1 alpha-3国家代码，最终整合了来自41个非洲国家、时间跨度从1991年至2025年的2,012条观测记录。每条观测均包含性别、部门分类等维度信息，且来源标注于“source.label”列，确保数据溯源清晰。

特点

该数据集聚焦于非洲地区按性别和公共/私营部门划分的就业人员每周实际工作平均小时数，具有明确的区域针对性与维度细粒度。包含41个非洲国家的长时序数据，时间跨度达34年，覆盖南非、毛里求斯、埃及等代表性国家，且各国观测频次差异显著，如南非有225条记录，而部分国家仅数十年数据。数据集通过“sex”与“classif1”列提供性别（总、男、女）及机构部门等细分维度，支持多层级分析，同时标注了观测状态与数据质量旗标，便于用户评估可靠性。

使用方法

用户可通过HuggingFace Datasets库的`load_dataset()`函数直接加载数据集，返回的DataFrame包含国家代码、年份、观测值等结构化字段。典型应用包括筛选特定国家（如`df[df['ref_area'] == 'KEN']`）进行时序分析，或按指标绘制时间序列曲线以观察长期趋势。支持透视操作，可构建国家×年份的矩阵形式，便于比较不同国家间的工时差异。数据格式为Parquet，设计为机器学习就绪，适合用于回归预测或时序建模任务，且基于cc-by-4.0许可，引用时需注明ILO原始来源与Electric Sheep Africa的重新打包贡献。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其核心统计数据库ILOSTAT发布，后由Electric Sheep Africa进行重构并托管于HuggingFace平台。其核心研究问题聚焦于非洲地区按性别与公私部门划分的就业人员实际周平均工时，涵盖1991年至2025年间41个非洲国家的2012条观测数据。作为劳动统计学领域的重要资源，该数据集为分析非洲劳动力市场的性别差异、部门结构变迁及工时趋势提供了标准化、可复现的量化基础，尤其有助于推动区域发展政策评估与可持续发展目标（SDG）中体面劳动议题的实证研究。其影响力体现在为跨国家、长周期的比较分析开辟了可能性，弥补了非洲劳动统计数据分散、异构的短板。

当前挑战

该数据集所解决的领域问题在于，非洲各国劳动力调查在定义、方法与覆盖范围上存在显著异质性，ILOSTAT通过国际劳动统计学家会议（ICLS）标准进行数据协调，但仍面临数据质量标识（如系列中断、临时性数据）影响分析可靠性的挑战。构建过程中，从ILOSTAT REST API抽取原始数据后，仅筛选非洲国家的ISO3代码，这一步骤虽简化了地理聚焦，却可能因过滤逻辑导致部分国家因数据缺失而被排除，且原始调查来源的多样性（如劳动力调查、住户收入调查、行政记录）使得指标在不同国家间的可比性需要谨慎判断。此外，数据为年度频率，缺失月度或季度序列的细粒度时序信息，限制了季节性波动与短期政策效应分析的深度。

常用场景

经典使用场景

在劳动经济学与非洲发展研究的交叉领域中，该数据集作为追踪非洲各国劳动者平均每周实际工作时间的核心资源，常被用于跨性别与公共/私营部门的工作强度比较分析。其覆盖1991至2025年间41个非洲国家的2012条观测记录，为研究者提供了纵向面板数据，以揭示非洲大陆在不同经济发展阶段下工作时间模式的演变轨迹。经典的使用场景包括构建性别差异系数、绘制部门间工作时间分布图，以及评估宏观经济政策对劳动供给的时序影响。

衍生相关工作

围绕该数据集已衍生出一系列具有影响力的学术产出，包括利用机器学习方法预测非洲各国工作时间序列的标杆工作，以及结合夜光遥感数据构建劳动强度空间分布图的交叉研究。部分研究以该数据集为基准，比较了家庭调查与行政记录在不同国家的工作时间报告偏差，改进了测量方法论。数据集本身作为Electric Sheep Africa项目的一部分，还催生了面向非洲的标准化劳动统计API，降低了后续学者获取和分析数据的技术门槛。

数据集最近研究

最新研究方向

在非洲劳动力市场研究领域，ILOSTAT整合的周均实际工时数据正成为解析非正规就业演变与性别劳动参与差异的关键窗口。当前前沿方向聚焦于利用1991至2025年涵盖41国的面板数据，结合性別与公私部门交叉分类，构建时间序列模型以揭示区域间工作时间弹性差异及其与经济增长、制度变迁的联动机制。该数据集为量化非洲大陆工作条件的结构性转型提供了珍贵锚点，尤其在后疫情时代公私部门工时波动与数字化、平台经济兴起的交叉分析中，为政策制定者设计包容性劳动法规提供了可比较的实证基础。