Artikel "横田滋" in der japanischen Wikipedia hat 35.6 Punkte für Qualität (Stand 1. August 2024). Der Artikel enthält 44 Referenzen und 10 Abschnitte.
Seit der Erstellung des Artikels "横田滋" wurde sein Inhalt von 59 registrierten Benutzern der japanischen Wikipedia verfasst und von 59 registrierten Wikipedia-Benutzern in allen Sprachen bearbeitet.
Der Artikel wird 155 Mal in der japanischen Wikipedia zitiert und in allen Sprachen 155 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. 30 06.2020 |
Global: Nr. 1911 06.2020 |
Am 1. Februar 2025 lesen Internetnutzer in der mehrsprachigen Wikipedia am häufigsten Artikel zu folgenden Themen: Donald Trump, Marianne Faithfull, O. J. Simpson, Neymar, Israel Adesanya, Nassourdine Imavov, Royal Rumble (2025): The Death of Professional Wrestling, Elon Musk, Karla Sofía Gascón, Emilia Perez.
In der japanischen Wikipedia waren die beliebtesten Artikel an diesem Tag: 青木歌音, The pillows, 織田梨沙, 節分, 桜庭ななみ, 中嶋優一, 蓮佛美沙子, 德勝龍誠, 長谷川豊, 萬田久子.
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
$$Qualität=1/c∑↙{i=1}↖c nm_i-RS=1/5(14.12+16.42+15+32.26+100)$$
where:
Die Ergebnisse der Berechnungen können aufgrund gerundeter Werte normalisierter Metriken in Formeln geringfügig abweichen
