El artículo "勒勒车" en Wikipedia en chino tiene 0.8 puntos por calidad (a 1 de agosto de 2024). El artículo también contiene una plantilla de defectos de calidad, que reducen el nivel de calidad.
Desde la creación del artículo "勒勒车", , su contenido fue escrito por 10 usuarios registrados de Wikipedia en chino fue editado por 10 usuarios registrados de Wikipedia en todos los idiomas.
El artículo es citado 13 veces en Wikipedia en chino y es citado 13 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 39445 07.2011 |
Global: Nº 1330764 07.2011 |
El 25 de enero de 2025 en Wikipedia multilingüe, los internautas leen con mayor frecuencia artículos sobre los siguientes temas: Donald Trump, Madison Keys, Elon Musk, Aryna Sabalenka, Melania Trump, Emilia Perez, Abduqodir Husanov, Pete Hegseth, Nosferatu, Karla Sofía Gascón.
En Wikipedia en chino los artículos más populares de ese día fueron: 外傷重症中心, 国色芳华, 白月梵星, 大奉打更人, 打招呼的關係, 吉伊卡哇, 2025年印度尼西亞羽毛球大師賽, 五福临门 (电视剧), 唐納·川普, 习近平.
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
$$Calidad=1/c∑↙{i=1}↖c nm_i-RS=1/5(4.25+0+0+0+0)-0.04$$
dónde:
Los resultados de los cálculos pueden ser ligeramente diferentes debido a los valores redondeados de las métricas normalizadas en las fórmulas
