L'articolo “E先生 連環不幸事件” nella Wikipedia in cinese ha 63.5 punti per la qualità (al 1 luglio 2025). L'articolo contiene 53 riferimenti e 28 sezioni.
Dalla creazione dell'articolo “E先生 連環不幸事件”, il suo contenuto è stato scritto da 32 utenti registrati di Wikipedia in cinese e modificato da 32 utenti registrati di Wikipedia in tutte le lingue.
L'articolo è citato 93 volte nella Wikipedia in cinese e citato 93 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. 1830 07.2021 |
Globale: N. 74765 07.2021 |
Il 12 agosto 2025 nella Wikipedia multilingue gli utenti di Internet leggono più spesso articoli sui seguenti argomenti: Cristiano Ronaldo, Mercoledì, Georgina Rodríguez, ChatGPT, Weapon, Jenna Ortega, morti nel 2025, Taylor Swift, Miguel Uribe Turbay, UEFA Champions League 2025-2026.
Nella Wikipedia in cinese gli articoli più popolari quel giorno erano: 朱由𣜬, 林岱樺, 林逸欣, 江油未成年人欺凌事件, 鬼滅之刃, 黃士修, 鬼滅之刃角色列表, 锦月如歌, 2025年亞洲盃籃球賽, 鬼滅之刃劇場版 無限城篇.
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
$$Qualità=1/c∑↙{i=1}↖c nm_i-RS=1/5(85.21+52.48+16.67+100+63.04)$$
dove:
I risultati dei calcoli potrebbero essere leggermente diversi a causa dei valori arrotondati delle metriche normalizzate nelle formule
