O artigo "さんタク" na Wikipédia em japonês tem 37.7 pontos para qualidade (em 1º de agosto de 2024). O artigo contém 44 referências e 40 seções. O artigo também contém modelo de falha de qualidade, que reduz o índice de qualidade.
Desde a criação do artigo "さんタク", seu conteúdo foi escrito por 95 usuários cadastrados na Wikipédia em japonês e editado por 95 usuários registrados da Wikipédia em todos os idiomas.
O artigo é citado 503 vezes na Wikipédia em japonês e citado 503 vezes em todos os idiomas.
A classificação mais alta de interesse dos autores em 2001:
A classificação de popularidade mais alta de 2008:
Há uma versão em um idioma para este artigo no banco de dados WikiRank (das 55 edições em idiomas da Wikipédia consideradas).
A avaliação de qualidade e popularidade foi baseada em despejos da Wikipedia de 1º de agosto de 2024 (incluindo histórico de revisões e visualizações de página de anos anteriores).
| Melhor Posição | japonês: Nº 7576 01.2024 |
Global: Nº 102871 01.2008 |
Em 25 de janeiro de 2025, na Wikipédia multilíngue, os usuários da Internet leem com mais frequência artigos sobre os seguintes tópicos: Donald Trump, Madison Keys, Elon Musk, Aryna Sabalenka, Melania Trump, Emilia Pérez, Abduqodir Husanov, Pete Hegseth, Nosferatu, Karla Sofía Gascón.
Na Wikipédia em japonês, os artigos mais populares naquele dia foram: 日枝久, 渡邊渚, 中居正広, 東京卍リベンジャーズ, 青木歌音, 関水渚, 出水麻衣, 瀬戸環奈, 中嶋優一, 金峰山晴樹.
O projeto destina-se à avaliação relativa automática dos artigos nas diversas versões linguísticas da Wikipédia. No momento, o serviço permite comparar mais de 44 milhões de artigos da Wikipédia em 55 idiomas. Os índices de qualidade dos artigos são baseados em despejos da Wikipédia de agosto de 2024. Ao calcular a popularidade atual e a IA dos artigos, foram levados em consideração os dados de julho de 2024. Para valores históricos de popularidade e AI, o WikiRank usou dados de 2001 a 2023... Mais Informações
$$Qualidade=1/c∑↙{i=1}↖c nm_i-RS=1/5(47.38+16.42+0+100+34.72)-1.99$$
onde:
Os resultados dos cálculos podem ser ligeiramente diferentes devido aos valores arredondados das métricas normalizadas nas fórmulas
