L'articolo "नीतिशतकम्" nella Wikipedia in hindi ha 4.7 punti per la qualità (al 1 agosto 2024). L'articolo contiene 0 riferimenti e 2 sezioni.
Dalla creazione dell'articolo "नीतिशतकम्", il suo contenuto è stato scritto da 8 utenti registrati di Wikipedia in hindi e modificato da 8 utenti registrati di Wikipedia in tutte le lingue.
L'articolo è citato 19 volte nella Wikipedia in hindi e citato 19 volte 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. 1792 03.2022 |
Globale: N. 345858 03.2022 |
Il 15 gennaio 2025 nella Wikipedia multilingue gli utenti di Internet leggono più spesso articoli sui seguenti argomenti: Squid Game, Elon Musk, seconda stagione di Squid Game, morti nel 2025, ChatGPT, Nosferatu, Donald Trump, Neil Gaiman, Pete Hegseth, Groenlandia.
Nella Wikipedia in hindi gli articoli più popolari quel giorno erano: कुम्भ मेला, हनुमान चालीसा, भारतेन्दु युग, मैथिलीशरण गुप्त, छायावाद, महावीर प्रसाद द्विवेदी, नागा साधु, यशोधरा (काव्य), क्लियोपाट्रा ७, मकर संक्रान्ति.
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
$$Qualità=1/c∑↙{i=1}↖c nm_i-RS=1/5(4.52+0+6.67+12.5+0)$$
dove:
I risultati dei calcoli potrebbero essere leggermente diversi a causa dei valori arrotondati delle metriche normalizzate nelle formule
