L'articolo "大相撲・幕内の全取組" nella Wikipedia in giapponese ha 17.7 punti per la qualità (al 1 agosto 2024). L'articolo contiene 9 riferimenti e 15 sezioni.
Dalla creazione dell'articolo "大相撲・幕内の全取組", il suo contenuto è stato scritto da 39 utenti registrati di Wikipedia in giapponese e modificato da 39 utenti registrati di Wikipedia in tutte le lingue.
L'articolo è citato 426 volte nella Wikipedia in giapponese e citato 426 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. 101861 07.2010 |
Globale: N. 638596 07.2010 |
Il 5 gennaio 2025 nella Wikipedia multilingue gli utenti di Internet leggono più spesso articoli sui seguenti argomenti: Squid Game, seconda stagione di Squid Game, Avicii, Nosferatu, Epifania, Metapneumovirus, Jimmy Carter, Elon Musk, Jeff Baena, Aubrey Plaza.
Nella Wikipedia in giapponese gli articoli più popolari quel giorno erano: 蔦屋重三郎, Mrs. GREEN APPLE, べらぼう〜蔦重栄華乃夢噺〜, 大森元貴, 磯村勇斗, 横浜流星, 町田啓太, 徳川家重, ガッポリ建設, 愛希れいか.
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
$$Qualità=1/c∑↙{i=1}↖c nm_i-RS=1/5(19.45+3.36+0+48.39+17.3)$$
dove:
I risultati dei calcoli potrebbero essere leggermente diversi a causa dei valori arrotondati delle metriche normalizzate nelle formule
