L'articolo "西安奔驰新车漏油维权事件" nella Wikipedia in cinese ha 72.7 punti per la qualità (al 1 agosto 2024). L'articolo contiene 73 riferimenti e 15 sezioni.
Dalla creazione dell'articolo "西安奔驰新车漏油维权事件", il suo contenuto è stato scritto da 18 utenti registrati di Wikipedia in cinese e modificato da 18 utenti registrati di Wikipedia in tutte le lingue.
L'articolo è citato 9 volte nella Wikipedia in cinese e citato 9 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 | cinese: N. 15180 10.2021 |
Globale: N. 338953 10.2021 |
Il 20 febbraio 2025 nella Wikipedia multilingue gli utenti di Internet leggono più spesso articoli sui seguenti argomenti: Papa Francesco, Elon Musk, Donald Trump, Zero Day, UEFA Champions League 2024-2025, killing of Gabby Petito, Kylian Mbappé, UEFA Champions League, ChatGPT, Volodimir Zelens'kij.
Nella Wikipedia in cinese gli articoli più popolari quel giorno erano: 难哄, 林岱樺, 童話故事下集, 哪吒之魔童闹海, 陳妍希, 全球最高電影票房收入列表, 曹興誠, 善意的競爭, 五福临门 (电视剧), 陳怡君 (政治人物).
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
$$Qualità=1/c∑↙{i=1}↖c nm_i-RS=1/5(100+73.74+16.67+100+72.85)$$
dove:
I risultati dei calcoli potrebbero essere leggermente diversi a causa dei valori arrotondati delle metriche normalizzate nelle formule
