El artículo "金屋町 (曖昧さ回避)" en Wikipedia en japonés tiene 0.3 puntos por calidad (a 1 de agosto de 2024).
Desde la creación del artículo "金屋町 (曖昧さ回避)", , su contenido fue escrito por 7 usuarios registrados de Wikipedia en japonés fue editado por 7 usuarios registrados de Wikipedia en todos los idiomas.
El artículo es citado 2 veces en Wikipedia en japonés y es citado 2 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 453453 05.2008 |
Global: Nº 3516683 05.2008 |
| Mejor rango | japonés: Nº 7486 02.2007 |
Global: Nº 200117 02.2007 |
El 15 de enero de 2025 en Wikipedia multilingüe, los internautas leen con mayor frecuencia artículos sobre los siguientes temas: El juego del calamar, Elon Musk, Segunda temporada de El juego del calamar, muertes en 2025, ChatGPT, Nosferatu, Donald Trump, Neil Gaiman, Pete Hegseth, Groenlandia.
En Wikipedia en japonés los artículos más populares de ese día fueron: 影山優佳, 前田佳織里, 中嶋優一, 松来未祐, 切り裂きジャック, 渡邊渚, 中居正広, 竹俣紅, 安堂ホセ, 片瀬那奈.
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
$$Calidad=1/c∑↙{i=1}↖c nm_i-RS=1/5(1.53+0+0+0+0)$$
dónde:
Los resultados de los cálculos pueden ser ligeramente diferentes debido a los valores redondeados de las métricas normalizadas en las fórmulas
