electricsheepasia/asia-ilo-cld-xchl-sex-age-stu-nb-children-in-child-labour-by-sex-age-and-school-att

该数据集是一个关于亚洲童工的表格型数据集，专注于按性别、年龄和上学状态划分的童工数量（以千计）这一指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涵盖了1996年至2025年间32个亚洲国家的1,964个观察值。数据集包括童工统计信息，按性别、年龄和上学状态进行细分，并提供了国家代码、数据来源、指标代码、时间年份、观测值等字段。它适用于表格分类、回归和时间序列预测等任务，旨在为研究人员和开发者提供机器学习就绪的亚洲童工数据，以支持分析和政策制定。数据经过ILO的标准化处理，确保与国际劳工统计会议定义一致，并包含数据质量说明，如年度频率和最佳来源选择。This dataset is a tabular dataset focusing on child labour in Asia, specifically on the indicator Children in child labour by sex, age and school attendance status (thousands). It is sourced from the ILOSTAT database of the International Labour Organization (ILO), containing 1,964 observations across 32 Asian countries from 1996 to 2025. The data includes statistics on child labour disaggregated by sex, age, and school attendance status, with fields such as country codes, data sources, indicator codes, time years, and observed values. It is suitable for tasks like tabular classification, regression, and time-series forecasting, designed to provide machine learning-ready data on child labour in Asia for researchers and developers to support analysis and policy-making. The data is harmonized by ILO using International Conference of Labour Statisticians definitions and includes caveats on data quality, such as annual frequency and best source selection.

搜集汇总

数据集介绍

构建方式

该数据集构建于国际劳工组织（ILO）旗下的ILOSTAT数据库，依托其REST API直接采集了编号为CLD_XCHL_SEX_AGE_STU_NB的童工劳动指标数据，并依据亚洲地区的ISO3国家代码进行地理范围筛选。原始数据源自各国劳动力调查、家庭收入调查及行政记录等多元渠道，经ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行统一归并与标准化处理，以确保跨国可比性。数据集以Parquet格式封装，通过Electric Sheep Asia的自动化流水线完成数据摄入与质量审核，最终发布于HuggingFace平台，共涵盖32个亚洲国家、跨越1996年至2025年的1,964条观测记录。

特点

该数据集的核心特色在于其精细的维度划分与权威的溯源体系。数据按性别（男性、女性、总计）、年龄段（如5-17岁）以及在校状态（是否就学）三个核心维度进行分层统计，提供了童工人数的具体估算值（单位：千）。每条记录均标注了数据来源编码与来源名称，便于使用者追溯原始调查，同时提供观测状态标志（如是否可靠）、序列中断注释等元数据，辅助研究者评估数据质量。此外，数据集采用统一架构，时间跨度近三十年，覆盖亚洲主要经济体与欠发达国家，为区域比较与纵向趋势分析奠定了坚实基础。

使用方法

研究者可通过HuggingFace的datasets库直接加载该数据集，一条命令即可将数据转化为Pandas DataFrame进行分析。使用示例如下：首先调用load_dataset函数获取完整数据，然后可依据ref_area字段筛选特定国家的子集，例如针对印度尼西亚的研究。针对单一指标的时序分析，可基于indicator字段过滤出童工指标，并按时间排序绘制变化曲线。若需构建国家间的比较矩阵，可借助pivot_table函数将数据重塑为以年份为行、国家为列的矩阵格式，便于进行面板数据回归或可视化展示。数据集还支持按性别、年龄等分类变量进行分组聚合，满足多维度统计需求。

背景与挑战

背景概述

童工问题作为全球劳动力市场中的顽疾，长期受到国际劳工组织（ILO）及各国政府的高度关注。该数据集由国际劳工组织统计司（ILOSTAT）于2025年发布，由Electric Sheep Asia团队整理并重新打包至HuggingFace平台，核心聚焦于亚洲32个国家1996至2025年间童工现象的统计监测。数据集包含1964条观测记录，以性别、年龄及入学状态为细分维度，旨在揭示亚洲区域童工现象的规模、结构及其变化趋势。作为ILO在劳工统计领域的权威数据产品，该数据集为学术界和政策制定者提供了标准化、可追溯的定量依据，从而推动了可持续发展目标（SDG）中关于消除童工议题的实证研究进程。

当前挑战

该数据集所面临的挑战主要体现在两个方面。在领域问题层面，童工现象具有高度隐蔽性和动态性，官方统计数据往往难以捕捉非正规经济中的童工活动，且各国调查方法与定义标准（如ICLS规范）存在差异，导致跨国横向比较与分析存在障碍。在构建过程层面，数据来源涵盖多种调查类型（如劳动力调查、多指标类集调查），不同来源之间的方法修订和数据断裂（如数列中断标记）增加了时间序列建模的复杂性。此外，部分观测值被标记为不可靠（如obs_status为U），且针对特定国家与年份的数据缺失严重，这要求在模型训练和统计推断中必须审慎处理数据质量、缺失值及异质性来源等问题。

常用场景

经典使用场景

该数据集在学术研究中常被用于分析亚洲地区童工现象的时空分布特征。研究者可以借助其跨越1996至2025年的长时序面板数据，结合国家、性别、年龄及在校状态等多维细分维度，构建回归模型或生存分析框架，以探究童工参与率与经济发展水平、教育普及程度、劳动政策变迁之间的关联机制。例如，通过对印度、巴基斯坦、柬埔寨等高观测密度国家的纵向剖析，可揭示特定历史时期社会变革对童工规模的动态影响。

衍生相关工作

围绕此数据集，学术界与开源社区已衍生出一系列富有启发性的工作。基于其结构化表格特性，许多研究者将其作为经典监督学习算法的基准测试集，用于开发童工风险预测模型，通过国家、性别、年龄等特征预测特定群体的童工参与概率。同时，时间序列预测领域的工作亦借助该数据集的年度观测值，尝试利用LSTM或Transformer架构对亚洲各国未来五至十年的童工数量进行前瞻性推演。此外，数据可视化项目如交互式亚洲童工地缘分布图，亦频繁以此数据集为核心数据层，赋能公众教育与倡导行动。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲32个国家1996至2025年间童工现象的性别、年龄与就学状况交叉分析，为全球童工治理研究提供了关键时间序列证据。当前前沿方向集中于利用机器学习模型预测童工风险分布，结合ILOSTAT统一统计口径与多源调查数据，评估童工与教育剥夺的耦合效应。尤其在联合国可持续发展目标8.7（消除童工）推动下，该数据支持各国监测政策干预效果，揭示性别分化与区域脆弱性差异，助力精准减贫与儿童保护战略制定。