El artículo "苏联国家劳动后备" en Wikipedia en chino tiene 11.7 puntos por calidad (a 1 de agosto de 2024). El artículo contiene 2 referencias y 3 secciones.
Desde la creación del artículo "苏联国家劳动后备", , su contenido fue escrito por 2 usuarios registrados de Wikipedia en chino fue editado por 2 usuarios registrados de Wikipedia 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 419842 05.2018 |
Global: Nº 7777333 05.2018 |
| Mejor rango | chino: Nº 91461 11.2019 |
Global: Nº 2554262 05.2018 |
El 3 de noviembre de 2024 en Wikipedia multilingüe, los internautas leen con mayor frecuencia artículos sobre los siguientes temas: elecciones presidenciales de Estados Unidos de 2024, Kamala Harris, Donald Trump, Temporada 2024 de Fórmula 1, The Substance, Kemi Badenoch, Muertes en 2024, Elon Musk, Venom: El Último Baile, Max Verstappen.
En Wikipedia en chino los artículos más populares de ese día fueron: Faker, 来自地狱的法官, 2024年美國總統選舉, 英雄联盟全球总决赛, 永夜星河, T1 (電競隊伍), 劉德華, 焚城, BLG电子竞技俱乐部, 杜琪峯.
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
$$Calidad=1/c∑↙{i=1}↖c nm_i-RS=1/5(9.21+2.02+0+25+22.31)$$
dónde:
Los resultados de los cálculos pueden ser ligeramente diferentes debido a los valores redondeados de las métricas normalizadas en las fórmulas
