L'articolo "सर्पविद्या" nella Wikipedia in hindi ha 2.6 punti per la qualità (al 1 agosto 2024).
Dalla creazione dell'articolo "सर्पविद्या", il suo contenuto è stato scritto da 3 utenti registrati di Wikipedia in hindi e modificato da 3 utenti registrati di Wikipedia in tutte le lingue.
Il grado di interesse degli autori più alto dal 2001:/p>
Il grado di popolarità più alto dal 2008:
C'è 1 versione linguistica per questo articolo nel database WikiRank (delle 55 edizioni linguistiche di Wikipedia considerate).
La valutazione della qualità e della popolarità si basava sui dump di Wikipedia del 1 agosto 2024 (inclusa la cronologia delle revisioni e le visualizzazioni di pagina degli anni precedenti).
| Miglior Rango | hindi: N. 5544 07.2017 |
Globale: N. 995242 07.2020 |
| Miglior Rango | hindi: N. 2455 06.2016 |
Globale: N. 1566994 09.2014 |
Il 12 novembre 2024 nella Wikipedia multilingue gli utenti di Internet leggono più spesso articoli sui seguenti argomenti: Donald Trump, Marco Rubio, Elon Musk, Song Jae-rim, elezioni presidenziali negli Stati Uniti d'America del 2024, Megan Fox, Melania Trump, Il gladiatore II, ChatGPT, morti nel 2024.
Nella Wikipedia in hindi gli articoli più popolari quel giorno erano: खाटूश्यामजी, क्लियोपाट्रा ७, तुलसी विवाह, हनुमान चालीसा, भारत के राज्य तथा केन्द्र-शासित प्रदेश, मधुमक्खी पालन, झारखण्ड विधानसभा, बर्बरीक, हिन्दी की गिनती, प्रदूषण.
Il progetto è finalizzato alla valutazione relativa automatica degli articoli nelle diverse versioni linguistiche di Wikipedia. Al momento il servizio permette di confrontare oltre 44 milioni di articoli di Wikipedia in 55 lingue. I punteggi di qualità degli articoli si basano sui dump di Wikipedia del agosto 2024. Nel calcolare la popolarità attuale e l'intelligenza artificiale degli articoli sono stati presi in considerazione i dati del luglio 2024. Per i valori storici di popolarità e AI WikiRank ha utilizzato dati dal 2001 al 2023... More information
$$Qualità=1/c∑↙{i=1}↖c nm_i-RS=1/5(6.09+0+6.67+0+0)$$
dove:
I risultati dei calcoli potrebbero essere leggermente diversi a causa dei valori arrotondati delle metriche normalizzate nelle formule
