O artigo "女力報到—愛神出任務" na Wikipédia em chinês tem 24 pontos para qualidade (em 1º de agosto de 2024). O artigo contém 0 referências e 13 seções. O artigo também contém modelo de falha de qualidade, que reduz o índice de qualidade.
Desde a criação do artigo "女力報到—愛神出任務", seu conteúdo foi escrito por 38 usuários cadastrados na Wikipédia em chinês e editado por 38 usuários registrados da Wikipédia em todos os idiomas.
O artigo é citado 79 vezes na Wikipédia em chinês e citado 79 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 | chinês: Nº 183 03.2020 |
Global: Nº 27648 03.2020 |
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 chinês, os artigos mais populares naquele dia foram: 外傷重症中心, 国色芳华, 白月梵星, 大奉打更人, 打招呼的關係, 吉伊卡哇, 2025年印度尼西亞羽毛球大師賽, 五福临门 (电视剧), 唐納·川普, 习近平.
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
$$Qualidade=1/c∑↙{i=1}↖c nm_i-RS=1/5(41.03+0+0+100+0)-4.23$$
onde:
Os resultados dos cálculos podem ser ligeiramente diferentes devido aos valores arredondados das métricas normalizadas nas fórmulas
