Artikel "負曝閒談" in der chinesischen Wikipedia hat 17.3 Punkte für Qualität (Stand 1. August 2024). Der Artikel enthält 4 Referenzen und 1 Abschnitte.
Seit der Erstellung des Artikels "負曝閒談" wurde sein Inhalt von 1 registrierten Benutzern der chinesischen Wikipedia verfasst und von 1 registrierten Wikipedia-Benutzern in allen Sprachen bearbeitet.
Der Artikel wird 1 Mal in der chinesischen Wikipedia zitiert und in allen Sprachen 1 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. 133752 03.2023 |
Global: Nr. 2297390 03.2023 |
| Bester Rang | Chinesische: Nr. 116246 07.2020 |
Global: Nr. 2660131 07.2020 |
Am 2. März 2025 lesen Internetnutzer in der mehrsprachigen Wikipedia am häufigsten Artikel zu folgenden Themen: Wolodymyr Selenskyj, Elon Musk, Gene Hackman, Oscarverleihung 2025, Donald Trump, J. D. Vance, Bob Dylan, Der Brutalist, Michelle Trachtenberg, Franziskus.
In der chinesischen Wikipedia waren die beliebtesten Artikel an diesem Tag: 方大同, 难哄, 巴哈伊信仰, 家庭計畫 (台灣), 古林睿煬, 林恩宇, 薛凱琪, 死了一個娛樂女記者之後, 弗拉基米尔·泽连斯基, 哪吒之魔童闹海.
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
