Artikel "石川県道207号倉谷土清水線" in der japanischen Wikipedia hat 9.5 Punkte für Qualität (Stand 1. August 2024). Der Artikel enthält 1 Referenzen und 9 Abschnitte.
Seit der Erstellung des Artikels "石川県道207号倉谷土清水線" wurde sein Inhalt von 8 registrierten Benutzern der japanischen Wikipedia verfasst und von 8 registrierten Wikipedia-Benutzern in allen Sprachen bearbeitet.
Der Artikel wird 7 Mal in der japanischen Wikipedia zitiert und in allen Sprachen 7 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. 421089 03.2008 |
Global: Nr. 3089575 06.2009 |
| Bester Rang | Japanische: Nr. 43859 06.2009 |
Global: Nr. 794070 06.2009 |
Am 20. Februar 2025 lesen Internetnutzer in der mehrsprachigen Wikipedia am häufigsten Artikel zu folgenden Themen: Franziskus, Elon Musk, Donald Trump, Zero Day, UEFA Champions League 2024/25, Fall Gabby Petito, Kylian Mbappé, Champions League, ChatGPT, Wolodymyr Selenskyj.
In der japanischen Wikipedia waren die beliebtesten Artikel an diesem Tag: つば九郎, 清水美依紗, 伊藤詩織, 大江麻理子, Null, ひょうろく, 寺西拓人, 妃海風, 大森元貴, Milet.
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
where:
Die Ergebnisse der Berechnungen können aufgrund gerundeter Werte normalisierter Metriken in Formeln geringfügig abweichen
