Artikel "獅山向洋" in der japanischen Wikipedia hat 22.4 Punkte für Qualität (Stand 1. August 2024). Der Artikel enthält 16 Referenzen und 12 Abschnitte.
Seit der Erstellung des Artikels "獅山向洋" wurde sein Inhalt von 31 registrierten Benutzern der japanischen Wikipedia verfasst und von 31 registrierten Wikipedia-Benutzern in allen Sprachen bearbeitet.
Der Artikel wird 15 Mal in der japanischen Wikipedia zitiert und in allen Sprachen 15 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. 23919 04.2013 |
Global: Nr. 268351 04.2013 |
Am 25. Januar 2025 lesen Internetnutzer in der mehrsprachigen Wikipedia am häufigsten Artikel zu folgenden Themen: Donald Trump, Madison Keys, Elon Musk, Aryna Sabalenka, Melania Trump, Emilia Perez, Abduqodir Husanov, Pete Hegseth, Nosferatu – Der Untote, Karla Sofía Gascón.
In der japanischen Wikipedia waren die beliebtesten Artikel an diesem Tag: 日枝久, 渡邊渚, 中居正広, 東京卍リベンジャーズ, 青木歌音, 関水渚, 出水麻衣, 瀬戸環奈, 中嶋優一, 金峰山晴樹.
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
$$Qualität=1/c∑↙{i=1}↖c nm_i-RS=1/5(10.52+5.97+0+38.71+56.86)$$
where:
Die Ergebnisse der Berechnungen können aufgrund gerundeter Werte normalisierter Metriken in Formeln geringfügig abweichen
