O artigo "市川段四郎 (4代目)" na Wikipédia em japonês tem 17.6 pontos para qualidade (em 1º de agosto de 2024). O artigo contém 9 referências e 9 seções.
Em julho de 2024 o artigo "市川段四郎 (4代目)" foi editado por 1 autores na Wikipédia em japonês e escrito por 1 autores em todos os idiomas.
Desde a criação do artigo "市川段四郎 (4代目)", seu conteúdo foi escrito por 50 usuários cadastrados na Wikipédia em japonês e editado por 50 usuários registrados da Wikipédia em todos os idiomas.
O artigo é citado 72 vezes na Wikipédia em japonês e citado 72 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).
Em 2 de março de 2025, na Wikipédia multilíngue, os usuários da Internet leem com mais frequência artigos sobre os seguintes tópicos: Volodymyr Zelenski, Elon Musk, Gene Hackman, Oscar 2025, Donald Trump, JD Vance, Bob Dylan, The Brutalist, Michelle Trachtenberg, Papa Francisco.
Na Wikipédia em japonês, os artigos mais populares naquele dia foram: みのもんた, 蔦屋重三郎, 松岡俊介, 瀬川, J・D・ヴァンス, 小芝風花, YOU (タレント), ジャーボンテイ・デービス, 福島弓子, 検校.
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
$$Qualidade=1/c∑↙{i=1}↖c nm_i-RS=1/5(7.82+3.36+5+29.03+43.01)$$
onde:
Os resultados dos cálculos podem ser ligeiramente diferentes devido aos valores arredondados das métricas normalizadas nas fórmulas
