L'articolo "ぜいたく品不正輸出事件" nella Wikipedia in giapponese ha 20.5 punti per la qualità (al 1 agosto 2024). L'articolo contiene 9 riferimenti e 4 sezioni.
Dalla creazione dell'articolo "ぜいたく品不正輸出事件", il suo contenuto è stato scritto da 16 utenti registrati di Wikipedia in giapponese e modificato da 16 utenti registrati di Wikipedia in tutte le lingue.
L'articolo è citato 5 volte nella Wikipedia in giapponese e citato 5 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. 158256 06.2009 |
Globale: N. 888794 06.2009 |
| Miglior Rango | giapponese: N. 14614 12.2021 |
Globale: N. 490079 06.2009 |
Il 2 marzo 2025 nella Wikipedia multilingue gli utenti di Internet leggono più spesso articoli sui seguenti argomenti: Volodimir Zelens'kij, Elon Musk, Gene Hackman, Premi Oscar 2025, Donald Trump, J. D. Vance, Bob Dylan, The Brutalist, Michelle Trachtenberg, Papa Francesco.
Nella Wikipedia in giapponese gli articoli più popolari quel giorno erano: みのもんた, 蔦屋重三郎, 松岡俊介, 瀬川, J・D・ヴァンス, 小芝風花, YOU (タレント), ジャーボンテイ・デービス, 福島弓子, 検校.
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
dove:
I risultati dei calcoli potrebbero essere leggermente diversi a causa dei valori arrotondati delle metriche normalizzate nelle formule
