O artigo "砂羽と可奈子があの街の美味しいギャップ大発見!だけど食堂" na Wikipédia em japonês tem 10.2 pontos para qualidade (em 1º de novembro de 2023). O artigo contém 4 referências e 7 seções.
Desde a criação do artigo "砂羽と可奈子があの街の美味しいギャップ大発見!だけど食堂", seu conteúdo foi escrito por 28 usuários cadastrados na Wikipédia em japonês e editado por 28 usuários registrados da Wikipédia em todos os idiomas.
O artigo é citado 58 vezes na Wikipédia em japonês e citado 58 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 novembro de 2023 (incluindo histórico de revisões e visualizações de página de anos anteriores).
| Melhor Posição | japonês: Nº 49664 09.2014 |
Global: Nº 469806 09.2014 |
Em 30 de maio de 2024, na Wikipédia multilíngue, os usuários da Internet leem com mais frequência artigos sobre os seguintes tópicos: Corpus Christi, YouTube, Vincent Kompany, Hans-Dieter Flick, Liga Conferência Europa da UEFA, mortes em 2024, ChatGPT, Olympiakos, Furiosa, Campeonato Europeu de Futebol de 2024.
Na Wikipédia em japonês, os artigos mais populares naquele dia foram: 岡部たかし, 内田有紀, 川田亜子, 那須雪崩事故, 山﨑福也, 蓮舫, 永野芽郁, 水谷瞬, 三淵嘉子, 松任谷由実.
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 novembro de 2023. Ao calcular a popularidade atual e a IA dos artigos, foram levados em consideração os dados de outubro de 2023. Para valores históricos de popularidade e AI, o WikiRank usou dados de 2001 a 2023... Mais Informações
$$Qualidade=1/c∑↙{i=1}↖c nm_i-RS=1/5(7.81+1.48+0+22.58+19.02)$$
onde:
Os resultados dos cálculos podem ser ligeiramente diferentes devido aos valores arredondados das métricas normalizadas nas fórmulas
