O artigo "草場季喜" na Wikipédia em japonês tem 26.3 pontos para qualidade (em 1º de agosto de 2024). O artigo contém 24 referências e 6 seções.
Desde a criação do artigo "草場季喜", seu conteúdo foi escrito por 2 usuários cadastrados na Wikipédia em japonês e editado por 2 usuários registrados da Wikipédia em todos os idiomas.
O artigo é citado 5 vezes na Wikipédia em japonês e citado 5 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 332655 02.2023 |
Global: Nº 2589390 02.2023 |
| Melhor Posição | japonês: Nº 32791 07.2019 |
Global: Nº 943066 07.2019 |
Em 12 de novembro de 2024, na Wikipédia multilíngue, os usuários da Internet leem com mais frequência artigos sobre os seguintes tópicos: Donald Trump, Marco Rubio, Elon Musk, Song Jae-lim, Eleição presidencial nos Estados Unidos em 2024, Megan Fox, Melania Trump, Gladiator II, ChatGPT, mortes em 2024.
Na Wikipédia em japonês, os artigos mais populares naquele dia foram: 福田和子, 玉木雄一郎, 松山刑務所事件, 松山ホステス殺害事件, 八代亜紀, 小泉深雪, 穐田誉輝, 岩城直也, 九里亜蓮, Perfume.
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
$$Qualidade=1/c∑↙{i=1}↖c nm_i-RS=1/5(3.27+8.96+0+19.35+100)$$
onde:
Os resultados dos cálculos podem ser ligeiramente diferentes devido aos valores arredondados das métricas normalizadas nas fórmulas
