Artikel "公務員試験" in der japanischen Wikipedia hat 23.4 Punkte für Qualität (Stand 1. August 2024). Der Artikel enthält 20 Referenzen und 17 Abschnitte.
Seit der Erstellung des Artikels "公務員試験" wurde sein Inhalt von 87 registrierten Benutzern der japanischen Wikipedia verfasst und von 87 registrierten Wikipedia-Benutzern in allen Sprachen bearbeitet.
Der Artikel wird 613 Mal in der japanischen Wikipedia zitiert und in allen Sprachen 613 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. 1272 04.2010 |
Global: Nr. 35566 04.2010 |
Am 5. Januar 2025 lesen Internetnutzer in der mehrsprachigen Wikipedia am häufigsten Artikel zu folgenden Themen: Squid Game, Squid Game/Staffel 2, Avicii, Nosferatu – Der Untote, Erscheinung des Herrn, Humanes Metapneumovirus, Jimmy Carter, Elon Musk, Jeff Baena, Aubrey Plaza.
In der japanischen Wikipedia waren die beliebtesten Artikel an diesem Tag: 蔦屋重三郎, Mrs. GREEN APPLE, べらぼう〜蔦重栄華乃夢噺〜, 大森元貴, 磯村勇斗, 横浜流星, 町田啓太, 徳川家重, ガッポリ建設, 愛希れいか.
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
$$Qualität=1/c∑↙{i=1}↖c nm_i-RS=1/5(25.82+7.46+0+54.84+28.96)$$
where:
Die Ergebnisse der Berechnungen können aufgrund gerundeter Werte normalisierter Metriken in Formeln geringfügig abweichen
