El artículo "禅林寺 (岐阜市)" en Wikipedia en japonés tiene 3 puntos por calidad (a 1 de agosto de 2024).
Desde la creación del artículo "禅林寺 (岐阜市)", , su contenido fue escrito por 2 usuarios registrados de Wikipedia en japonés fue editado por 2 usuarios registrados de Wikipedia en todos los idiomas.
El artículo es citado 3 veces en Wikipedia en japonés y es citado 3 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 580483 06.2008 |
Global: Nº 4929351 11.2021 |
| Mejor rango | japonés: Nº 155465 11.2020 |
Global: Nº 2175787 06.2022 |
El 1 de febrero de 2025 en Wikipedia multilingüe, los internautas leen con mayor frecuencia artículos sobre los siguientes temas: Donald Trump, Marianne Faithfull, O. J. Simpson, Neymar, Israel Adesanya, Nassourdine Imavov, Royal Rumble (2025), Elon Musk, Karla Sofía Gascón, Emilia Perez.
En Wikipedia en japonés los artículos más populares de ese día fueron: 青木歌音, The pillows, 織田梨沙, 節分, 桜庭ななみ, 中嶋優一, 蓮佛美沙子, 德勝龍誠, 長谷川豊, 萬田久子.
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
$$Calidad=1/c∑↙{i=1}↖c nm_i-RS=1/5(1.54+0+10+3.23+0)$$
dónde:
Los resultados de los cálculos pueden ser ligeramente diferentes debido a los valores redondeados de las métricas normalizadas en las fórmulas
