O artigo "欽ちゃん&香取慎吾の全日本仮装大賞の作品一覧 (81回 - 90回)" na Wikipédia em japonês tem 32 pontos para qualidade (em 1º de agosto de 2024). O artigo contém 40 referências e 12 seções.
Desde a criação do artigo "欽ちゃん&香取慎吾の全日本仮装大賞の作品一覧 (81回 - 90回)", seu conteúdo foi escrito por 42 usuários cadastrados na Wikipédia em japonês e editado por 42 usuários registrados da Wikipédia em todos os idiomas.
O artigo é citado 33 vezes na Wikipédia em japonês e citado 33 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 23759 02.2024 |
Global: Nº 304755 01.2009 |
Em 1 de fevereiro de 2025, na Wikipédia multilíngue, os usuários da Internet leem com mais frequência artigos sobre os seguintes tópicos: Donald Trump, Marianne Faithfull, O. J. Simpson, Neymar, Israel Adesanya, Nassourdine Imavov, Royal Rumble (2025), Elon Musk, Karla Sofía Gascón, Emilia Pérez.
Na Wikipédia em japonês, os artigos mais populares naquele dia foram: 青木歌音, The pillows, 織田梨沙, 節分, 桜庭ななみ, 中嶋優一, 蓮佛美沙子, 德勝龍誠, 長谷川豊, 萬田久子.
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
$$Qualidade=1/c∑↙{i=1}↖c nm_i-RS=1/5(89.53+14.93+0+38.71+16.7)$$
onde:
Os resultados dos cálculos podem ser ligeiramente diferentes devido aos valores arredondados das métricas normalizadas nas fórmulas
