El artículo "虎字碑 (貢寮)" en Wikipedia en chino tiene 62.6 puntos por calidad (a 1 de agosto de 2024). El artículo contiene 37 referencias y 6 secciones.
Desde la creación del artículo "虎字碑 (貢寮)", , su contenido fue escrito por 36 usuarios registrados de Wikipedia en chino fue editado por 36 usuarios registrados de Wikipedia en todos los idiomas.
El artículo es citado 395 veces en Wikipedia en chino y es citado 395 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 27748 09.2023 |
Global: Nº 622489 01.2022 |
| Mejor rango | chino: Nº 3613 09.2017 |
Global: Nº 324653 09.2017 |
El 2 de marzo de 2025 en Wikipedia multilingüe, los internautas leen con mayor frecuencia artículos sobre los siguientes temas: Volodímir Zelenski, Elon Musk, Gene Hackman, 97.ª edición de los Premios Óscar, Donald Trump, James Vance, Bob Dylan, The Brutalist, Michelle Trachtenberg, Francisco.
En Wikipedia en chino los artículos más populares de ese día fueron: 方大同, 难哄, 巴哈伊信仰, 家庭計畫 (台灣), 古林睿煬, 林恩宇, 薛凱琪, 死了一個娛樂女記者之後, 弗拉基米尔·泽连斯基, 哪吒之魔童闹海.
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
dónde:
Los resultados de los cálculos pueden ser ligeramente diferentes debido a los valores redondeados de las métricas normalizadas en las fórmulas
