Artikel "粉飾" in der japanischen Wikipedia hat 0.4 Punkte für Qualität (Stand 1. August 2024).
Seit der Erstellung des Artikels "粉飾" wurde sein Inhalt von 17 registrierten Benutzern der japanischen Wikipedia verfasst und von 17 registrierten Wikipedia-Benutzern in allen Sprachen bearbeitet.
Der Artikel wird 11 Mal in der japanischen Wikipedia zitiert und in allen Sprachen 11 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. August 2024 (einschließlich Revisionsverlauf und Seitenaufrufe für frühere Jahre).
| Bester Rang | Japanische: Nr. 40530 07.2015 |
Global: Nr. 334110 07.2015 |
| Bester Rang | Japanische: Nr. 22367 06.2023 |
Global: Nr. 630947 08.2006 |
Am 12. November 2024 lesen Internetnutzer in der mehrsprachigen Wikipedia am häufigsten Artikel zu folgenden Themen: Donald Trump, Marco Rubio, Elon Musk, Song Jae-lim, Präsidentschaftswahl in den Vereinigten Staaten 2024, Megan Fox, Melania Trump, Gladiator II, ChatGPT, Nekrolog 2024.
In der japanischen Wikipedia waren die beliebtesten Artikel an diesem Tag: 福田和子, 玉木雄一郎, 松山刑務所事件, 松山ホステス殺害事件, 八代亜紀, 小泉深雪, 穐田誉輝, 岩城直也, 九里亜蓮, Perfume.
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 August 2024. Bei der Berechnung der aktuellen Popularität und des Interesses der Autoren an Artikeln wurden Daten vom Juli 2024 berücksichtigt. Für historische Werte der Popularität und des Autoreninteresses verwendete WikiRank Daten von 2001 bis 2023... Mehr Informationen
$$Qualität=1/c∑↙{i=1}↖c nm_i-RS=1/5(1.95+0+0+0+0)$$
where:
Die Ergebnisse der Berechnungen können aufgrund gerundeter Werte normalisierter Metriken in Formeln geringfügig abweichen
