Der Artikel „岡山白陵中学校・高等学校“ in der japanischen Wikipedia hat 18 Punkte für Qualität (Stand: 1. Juli 2025). Der Artikel enthält 4 Referenzen und 15 Abschnitte.
Seit der Erstellung des Artikels „岡山白陵中学校・高等学校“ wurde sein Inhalt von 60 registrierten Benutzern der japanischen Wikipedia verfasst und von 60 registrierten Wikipedia-Benutzern in allen Sprachen bearbeitet.
Der Artikel wird 31 Mal in der japanischen Wikipedia zitiert und in allen Sprachen 31 Mal zitiert.
Der höchste Autoreninteresse-Rang aus dem Jahr 2001:
Der höchste Beliebtheitsrang aus dem Jahr 2008:
Es gibt 1 Sprachversion für diesen Artikel in der WikiRank-Datenbank (von den berücksichtigten 55 Wikipedia-Sprachausgaben).
Die Qualitäts- und Beliebtheitsbewertung basierte auf Wikipedia-Dumps vom 1. Juli 2025 (einschließlich Revisionsverlauf und Seitenaufrufe für frühere Jahre).
| Bester Rang | Japanische: Nr. 21720 12.2021 |
Global: Nr. 280725 12.2021 |
Am 26. September 2025 lesen Internetnutzer in der mehrsprachigen Wikipedia am häufigsten Artikel zu folgenden Themen: Claudia Cardinale, One Battle After Another, ChatGPT, Alice in Borderland, Guinness, Nekrolog 2025, Benjamin Netanjahu, Assata Shakur, Charlie Kirk, Arthur Guinness.
In der japanischen Wikipedia waren die beliebtesten Artikel an diesem Tag: 小川晶 (政治家), 小松暢, 沈黙の艦隊, やなせたかし, 牧島かれん, 今田美桜, 手塚治虫, 小泉八雲, 田中雄士, ベネット・ミラー.
Das Projekt dient der automatischen relativen Auswertung der Artikel in den verschiedenen Sprachversionen von Wikipedia. Derzeit ermöglicht der Dienst den Vergleich von über 44 Millionen Wikipedia-Artikeln in 55 Sprachen. Die Qualitätsbewertung von Artikeln basiert auf Wikipedia-Dumps vom Juli 2025. Bei der Berechnung der aktuellen Popularität und des Interesses der Autoren an Artikeln wurden Daten vom Juni 2025 berücksichtigt. Für historische Werte der Popularität und des Autoreninteresses verwendete WikiRank Daten von 2001 bis 2025... Mehr Informationen
$$Qualität=1/c∑↙{i=1}↖c nm_i-RS=1/5(8.71+1.44+15+48.39+16.6)$$
where:
Die Ergebnisse der Berechnungen können aufgrund gerundeter Werte normalisierter Metriken in Formeln geringfügig abweichen
