El artículo "陳植 (明朝)" en Wikipedia en chino tiene 10.2 puntos por calidad (a 1 de agosto de 2024).
Desde la creación del artículo "陳植 (明朝)", , 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 248917 10.2010 |
Global: Nº 6311955 07.2012 |
| Mejor rango | chino: Nº 53764 09.2019 |
Global: Nº 1846997 05.2011 |
El 12 de noviembre de 2024 en Wikipedia multilingüe, los internautas leen con mayor frecuencia artículos sobre los siguientes temas: Donald Trump, Marco Rubio, Elon Musk, Song Jae-rim, elecciones presidenciales de Estados Unidos de 2024, Megan Fox, Melania Trump, Gladiator 2, ChatGPT, Muertes en 2024.
En Wikipedia en chino los artículos más populares de ese día fueron: 影后 (電視劇), 宋再臨, 破·地獄, 林廷憶, 璩美鳳, 馬可·魯比歐, 永夜星河, 詹懷雲, 唐納·川普, 楊謹華.
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
$$Calidad=1/c∑↙{i=1}↖c nm_i-RS=1/5(2.64+1.01+0+8.33+38.89)$$
dónde:
Los resultados de los cálculos pueden ser ligeramente diferentes debido a los valores redondeados de las métricas normalizadas en las fórmulas
