L'articolo "センターフォワード" nella Wikipedia in giapponese ha 1 punti per la qualità (al 1 agosto 2024).
Dalla creazione dell'articolo "センターフォワード", il suo contenuto è stato scritto da 14 utenti registrati di Wikipedia in giapponese e modificato da 14 utenti registrati di Wikipedia in tutte le lingue.
L'articolo è citato 23 volte nella Wikipedia in giapponese e citato 23 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 | giapponese: N. 79512 02.2008 |
Globale: N. 427204 01.2008 |
| Miglior Rango | giapponese: N. 19364 02.2017 |
Globale: N. 374467 06.2006 |
Il 25 gennaio 2025 nella Wikipedia multilingue gli utenti di Internet leggono più spesso articoli sui seguenti argomenti: Donald Trump, Madison Keys, Elon Musk, Aryna Sabalenka, Melania Trump, Emilia Pérez, Abdukodir Khusanov, Pete Hegseth, Nosferatu, Karla Sofía Gascón.
Nella Wikipedia in giapponese gli articoli più popolari quel giorno erano: 日枝久, 渡邊渚, 中居正広, 東京卍リベンジャーズ, 青木歌音, 関水渚, 出水麻衣, 瀬戸環奈, 中嶋優一, 金峰山晴樹.
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
$$Qualità=1/c∑↙{i=1}↖c nm_i-RS=1/5(1.91+0+0+3.23+0)$$
dove:
I risultati dei calcoli potrebbero essere leggermente diversi a causa dei valori arrotondati delle metriche normalizzate nelle formule
