electricsheepafrica/africa-ilo-emp-care-sex-geo-nb-care-employment-by-sex-and-rural-urban-areas-thous

该数据集包含非洲33个国家从2006年到2025年的有酬护理工作者就业数据，按性别（男性、女性、总计）和城乡地区分类，单位为千。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过Electric Sheep Africa重新打包，包含1,159个观测值和1个主要指标（EMP_CARE_SEX_GEO_NB）。数据集采用表格格式，适用于分类、回归和时间序列预测等任务，覆盖就业统计领域，并遵循CC-BY-4.0许可证。This dataset provides employment data for paid care workers in 33 African countries spanning the period from 2006 to 2025. The data is categorized by gender (male, female, total) and urban-rural regions, with units denominated in thousands. The source data is retrieved from the ILOSTAT database of the International Labour Organization (ILO), and was repackaged by Electric Sheep Africa. The dataset includes 1,159 observations and one primary indicator: EMP_CARE_SEX_GEO_NB. It is provided in tabular format, suitable for tasks such as classification, regression, and time series forecasting, and pertains to the domain of employment statistics. The dataset is released under the CC-BY-4.0 license.

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数据库，专注于非洲地区有偿照护工作者的就业情况。数据通过ILOSTAT REST API直接抽取，仅保留非洲ISO3国家代码的观测值，经Electric Sheep Africa重新打包为便于机器学习应用的格式。ILOSTAT采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，同时通过'source.label'列标注数据来源，确保每一条记录的可追溯性。最终数据集包含33个非洲国家、自2006年至2025年的1,159条观测，涵盖性别与城乡区域的就业细分维度。

特点

该数据集的核心特色在于其精细的维度切分与地域覆盖的深度。它不仅提供了按性别（男性、女性、合计）拆分的就业数据，还通过'classif1'列（如地理覆盖类型）实现了城乡区域的区分，使用户能够剖析不同社会群体在照护劳动力市场中的参与差异。数据集的时间跨度达二十年，覆盖南非、埃及、赞比亚等代表性国家，但不同国家的观测密度差异明显，反映了各地统计能力的不均衡。此外，每条观测均附有状态标记（如'不可靠'）和方法说明（如序列断裂），为数据质量评估提供了透明依据。

使用方法

用户可通过HuggingFace的'load_dataset()'函数一键加载该数据集，并转换为Pandas DataFrame以进行探索性分析。针对特定国家的分析，可使用'ref_area'列进行筛选，如仅保留肯尼亚数据。时间序列分析可通过对'indicator'列过滤并按'time'排序实现，直接绘制观测值随年份变化的趋势图。为构建国家间的对比矩阵，推荐使用透视表功能，将'time'设为行索引、'ref_area'设为列索引、'obs_value'作为数值，从而生成面板数据结构，便于后续的回归分析或机器学习建模。

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数据库整理，并由Electric Sheep Africa于2025年重新打包发布，聚焦非洲33个国家2006至2025年间有偿照护工作者的就业情况。数据集包含1,159条观测记录，按性别及城乡地域维度细分，旨在揭示非洲大陆照护经济中劳动力的结构性特征。作为全球劳动统计的权威来源，ILOSTAT整合了各国劳动力调查、住户收入调查及行政记录等多源数据，并经国际劳工统计学家会议（ICLS）定义标准化。该数据集为研究非洲照护工作的性别差异、城乡分布及时间演变提供了关键基础，对可持续发展目标中体面工作与经济增长的监测具有直接支撑作用。

当前挑战

数据集面临的首要挑战在于非洲照护就业数据的稀疏性与不均衡性，33个国家中南非、埃及等国观测数量显著高于布基纳法索、肯尼亚等国，且部分年份数据缺失或标记为不可靠，限制了严谨的时间序列分析与跨区域比较。构建过程中的挑战尤为突出，ILO需要从不同来源的质量参差不齐的原始调查数据中协调出“最佳来源”，同时处理因调查方法修订导致的序列断裂，这一数据整合与标准化流程本身即构成重大技术难题。此外，指标仅按性别与单一地域分类维度提供，未涵盖年龄、教育水平等更细层级的分解，制约了对照护就业深层驱动因素的解析。

常用场景

经典使用场景

在非洲劳动经济学与性别不平等研究领域，该数据集为分析有偿照护工作者在城乡与性别维度的分布格局提供了珍贵的时间序列资料。研究者可借助其涵盖33个非洲国家、跨越2006至2025年的1,159条观测记录，构建面板数据模型，考察照护就业规模的动态演变趋势。数据集支持按性别（总、男性、女性）和地理区域（全国、城乡）进行多层次拆解，经典的使用方式包括绘制国家间照护就业率的时间折线图、构建国家×年份的透视矩阵，以及运用回归分析探究城市化进程与经济结构转型对女性照护就业的差异化影响。

衍生相关工作

该数据集衍生了一系列具有影响力的学术工作。在理论层面，它助推了针对非洲照护经济的计量经济学框架创新，如空间面板回归模型被用于揭示照护就业率的跨国溢出效应。在实证方面，学者利用此数据构建了非洲照护就业不平等指数，发表在《世界发展》等顶级期刊上的研究表明，撒哈拉以南非洲的女性照护就业占比虽高于北非，但城乡差距更为显著。此外，该数据与ILOSTAT其他就业指标融合后，催生了探讨非正规照护就业与宏观经济波动关系的多学科合作成果。Electric Sheep Africa的再包装工作亦开启了非洲数据标准化与机器学习就绪化的新范式。

数据集最近研究

最新研究方向

基于ILOSTAT非洲分性别与城乡地域的受薪照护工作者就业数据（2006–2025年），当前前沿研究聚焦于非洲照护经济（Care Economy）的劳动力结构转型与性别不平等量化评估。该数据集通过提供33个非洲国家、约1,159个观测值，为分析全球化背景下照护工作的正规化进程、城乡迁移对就业性别比的影响以及新冠疫情后照护岗位的恢复韧性提供了稀缺的纵向面板数据。结合国际劳工组织（ILO）对体面劳动（Decent Work）目标的监测，研究者正利用此项数据揭示非洲照护行业“女性化”与“非正规化”的双重张力，并评估数字化平台经济对传统照护就业的替代效应。其发布恰逢全球照护危机与非洲大陆自由贸易区（AfCFTA）推进劳动力流动政策的交汇点，为制定包容性社会保护政策与性别敏感型就业战略提供了实证基石。