Artikel "吉川赳" in der japanischen Wikipedia hat 47.8 Punkte für Qualität (Stand 1. August 2024). Der Artikel enthält 112 Referenzen und 17 Abschnitte.
Im Juli 2024 wurde der Artikel "吉川赳" von 2 Autoren in der japanischen Wikipedia bearbeitet und von 2 Autoren in allen Sprachen verfasst.
Seit der Erstellung des Artikels "吉川赳" wurde sein Inhalt von 68 registrierten Benutzern der japanischen Wikipedia verfasst und von 68 registrierten Wikipedia-Benutzern in allen Sprachen bearbeitet.
Der Artikel wird 305 Mal in der japanischen Wikipedia zitiert und in allen Sprachen 305 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).
Am 15. Januar 2025 lesen Internetnutzer in der mehrsprachigen Wikipedia am häufigsten Artikel zu folgenden Themen: Squid Game, Elon Musk, Squid Game/Staffel 2, Nekrolog 2025, ChatGPT, Nosferatu – Der Untote, Donald Trump, Neil Gaiman, Pete Hegseth, Grönland.
In der japanischen Wikipedia waren die beliebtesten Artikel an diesem Tag: 影山優佳, 前田佳織里, 中嶋優一, 松来未祐, 切り裂きジャック, 渡邊渚, 中居正広, 竹俣紅, 安堂ホセ, 片瀬那奈.
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
$$Qualität=1/c∑↙{i=1}↖c nm_i-RS=1/5(37.29+41.79+5+54.84+100)$$
where:
Die Ergebnisse der Berechnungen können aufgrund gerundeter Werte normalisierter Metriken in Formeln geringfügig abweichen
