Artikel "曾守明" in der chinesischen Wikipedia hat 36.2 Punkte für Qualität (Stand 1. August 2024). Der Artikel enthält 20 Referenzen und 6 Abschnitte.
Seit der Erstellung des Artikels "曾守明" wurde sein Inhalt von 84 registrierten Benutzern der chinesischen Wikipedia verfasst und von 84 registrierten Wikipedia-Benutzern in allen Sprachen bearbeitet.
Der Artikel wird 277 Mal in der chinesischen Wikipedia zitiert und in allen Sprachen 277 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 | Chinesische: Nr. 164 04.2017 |
Global: Nr. 23602 04.2017 |
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 chinesischen Wikipedia waren die beliebtesten Artikel an diesem Tag: 外傷重症中心, 国色芳华, 白月梵星, 大奉打更人, 打招呼的關係, 吉伊卡哇, 2025年印度尼西亞羽毛球大師賽, 五福临门 (电视剧), 唐納·川普, 习近平.
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
$$Qualität=1/c∑↙{i=1}↖c nm_i-RS=1/5(34.11+20.2+16.67+50+60.23)$$
where:
Die Ergebnisse der Berechnungen können aufgrund gerundeter Werte normalisierter Metriken in Formeln geringfügig abweichen
