El artículo "帝京大学グループ" en Wikipedia en japonés tiene 14.9 puntos por calidad (a 1 de agosto de 2024). El artículo contiene 0 referencias y 12 secciones.
Desde la creación del artículo "帝京大学グループ", , su contenido fue escrito por 33 usuarios registrados de Wikipedia en japonés fue editado por 33 usuarios registrados de Wikipedia en todos los idiomas.
El artículo es citado 448 veces en Wikipedia en japonés y es citado 448 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 5192 08.2022 |
Global: Nº 97717 08.2022 |
El 12 de noviembre de 2024 en Wikipedia multilingüe, los internautas leen con mayor frecuencia artículos sobre los siguientes temas: Donald Trump, Marco Rubio, Elon Musk, Song Jae-rim, elecciones presidenciales de Estados Unidos de 2024, Megan Fox, Melania Trump, Gladiator 2, ChatGPT, Muertes en 2024.
En Wikipedia en japonés los artículos más populares de ese día fueron: 福田和子, 玉木雄一郎, 松山刑務所事件, 松山ホステス殺害事件, 八代亜紀, 小泉深雪, 穐田誉輝, 岩城直也, 九里亜蓮, Perfume.
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
$$Calidad=1/c∑↙{i=1}↖c nm_i-RS=1/5(5.59+0+30+38.71+0)$$
dónde:
Los resultados de los cálculos pueden ser ligeramente diferentes debido a los valores redondeados de las métricas normalizadas en las fórmulas
