L'articolo “2019年11月將軍澳警民衝突” nella Wikipedia in cinese ha 74.2 punti per la qualità (al 1 luglio 2025). L'articolo contiene 54 riferimenti e 8 sezioni.
Dalla creazione dell'articolo “2019年11月將軍澳警民衝突”, il suo contenuto è stato scritto da 25 utenti registrati di Wikipedia in cinese e modificato da 25 utenti registrati di Wikipedia in tutte le lingue.
L'articolo è citato 361 volte nella Wikipedia in cinese e citato 361 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 luglio 2025 (inclusa la cronologia delle revisioni e le visualizzazioni di pagina degli anni precedenti).
| Miglior Rango | cinese: N. 7164 11.2019 |
Globale: N. 290269 11.2019 |
Il 9 dicembre 2025 nella Wikipedia multilingue gli utenti di Internet leggono più spesso articoli sui seguenti argomenti: Stranger Things, campionato mondiale di calcio 2026, Lando Norris, Millie Bobby Brown, Sean Combs, It: Welcome to Derry, ChatGPT, Zootropolis 2, morti nel 2025, Cassie.
Nella Wikipedia in cinese gli articoli più popolari quel giorno erano: 越南屠夫事件, CORTIS, 方國珊, 白天辉, 习近平, 認罪之罪, 王洪文, 動物方城市2, 趙雨凡, 宏福苑大火.
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 luglio 2025. Nel calcolare la popolarità attuale e l'intelligenza artificiale degli articoli sono stati presi in considerazione i dati del giugno 2025. Per i valori storici di popolarità e AI WikiRank ha utilizzato dati dal 2001 al 2025... More information
$$Qualità=1/c∑↙{i=1}↖c nm_i-RS=1/5(60.6+53.47+100+66.67+90.32)$$
dove:
I risultati dei calcoli potrebbero essere leggermente diversi a causa dei valori arrotondati delle metriche normalizzate nelle formule
