El artículo "かぜ" en Wikipedia en japonés tiene 0.7 puntos por calidad (a 1 de agosto de 2024).
Desde la creación del artículo "かぜ", , su contenido fue escrito por 5 usuarios registrados de Wikipedia en japonés fue editado por 5 usuarios registrados de Wikipedia en todos los idiomas.
El artículo es citado 1 veces en Wikipedia en japonés y es citado 1 veces en todos los idiomas.
La clasificación más alta de interés de los autores desde 2001:
El rango de popularidad más alto de 2008:
Hay 1 versión lingüística de este artículo en la base de datos WikiRank (de las 55 ediciones de idiomas consideradas de Wikipedia).
La evaluación de calidad y popularidad se basó en volcados de Wikipedia del 1 de agosto de 2024 (incluido el historial de revisiones y las páginas vistas de años anteriores).
| Mejor rango | japonés: Nº 168867 01.2009 |
Global: Nº 971905 01.2008 |
| Mejor rango | japonés: Nº 18294 05.2004 |
Global: Nº 166064 05.2004 |
El 19 de noviembre de 2024 en Wikipedia multilingüe, los internautas leen con mayor frecuencia artículos sobre los siguientes temas: Mike Tyson, Elon Musk, MGM-140 ATACMS, Gladiator 2, Día Internacional del Hombre, Liga de las Naciones de la UEFA 2024-25, Donald Trump, Jake Paul, Jon Jones, Muertes en 2024.
En Wikipedia en japonés los artículos más populares de ese día fueron: 高畑充希, 岡田将生, 谷川俊太郎, こっちのけんと, 立花孝志, 鈴木唯, 斎藤元彦, 片岡京子, 奥谷謙一, 鈴木紗理奈.
El proyecto está destinado a la evaluación relativa automática de los artículos en las distintas versiones lingüísticas de Wikipedia. Actualmente, el servicio permite comparar más de 44 millones de artículos de Wikipedia en 55 idiomas. Los niveles de calidad de los artículos se basan en volcados de Wikipedia de agosto de 2024. Al calcular la popularidad actual y la IA de los artículos, se tuvieron en cuenta los datos de julio de 2024. Para los valores históricos de popularidad y AI WikiRank utilizó datos de 2001 a 2023... Más información
$$Calidad=1/c∑↙{i=1}↖c nm_i-RS=1/5(0.29+0+0+3.23+0)$$
dónde:
Los resultados de los cálculos pueden ser ligeramente diferentes debido a los valores redondeados de las métricas normalizadas en las fórmulas
