El artículo "陈永贵 (隋朝)" en Wikipedia en chino tiene 2 puntos por calidad (a 1 de agosto de 2024).
Desde la creación del artículo "陈永贵 (隋朝)", , su contenido fue escrito por 5 usuarios registrados de Wikipedia en chino fue editado por 5 usuarios registrados de Wikipedia en todos los idiomas.
El artículo es citado 3 veces en Wikipedia en chino 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 | chino: Nº 277377 02.2009 |
Global: Nº 6065902 10.2008 |
| Mejor rango | chino: Nº 23189 10.2019 |
Global: Nº 1002005 07.2022 |
El 20 de diciembre de 2024 en Wikipedia multilingüe, los internautas leen con mayor frecuencia artículos sobre los siguientes temas: Magdeburgo, Mufasa: El Rey León, Elon Musk, caso de las violaciones de Mazan, Gisèle Pelicot, Superman, Ayrton Senna, Isack Hadjar, Muertes en 2024, David Corenswet.
En Wikipedia en chino los artículos más populares de ese día fueron: 赖建安, 照明商店 (电视剧), 陳麗敏, 連德安, 冬至, 現在撥打的電話, 习近平, 破·地獄, 「民主倒退，公民搶救」521行動, 異空感應.
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
$$Calidad=1/c∑↙{i=1}↖c nm_i-RS=1/5(1.6+0+0+8.33+0)$$
dónde:
Los resultados de los cálculos pueden ser ligeramente diferentes debido a los valores redondeados de las métricas normalizadas en las fórmulas
