O artigo "BBS鄉民的正義前傳：必要之闇" na Wikipédia em chinês tem 15.4 pontos para qualidade (em 1º de agosto de 2024). O artigo contém 0 referências e 8 seções. O artigo também contém modelo de falha de qualidade, que reduz o índice de qualidade.
Desde a criação do artigo "BBS鄉民的正義前傳：必要之闇", seu conteúdo foi escrito por 28 usuários cadastrados na Wikipédia em chinês e editado por 28 usuários registrados da Wikipédia em todos os idiomas.
O artigo é citado 7 vezes na Wikipédia em chinês e citado 7 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 22739 11.2013 |
Global: Nº 689708 11.2013 |
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 chinês, os artigos mais populares naquele dia foram: 方大同, 难哄, 巴哈伊信仰, 家庭計畫 (台灣), 古林睿煬, 林恩宇, 薛凱琪, 死了一個娛樂女記者之後, 弗拉基米尔·泽连斯基, 哪吒之魔童闹海.
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
$$Qualidade=1/c∑↙{i=1}↖c nm_i-RS=1/5(14.22+0+0+66.67+0)-0.81$$
onde:
Os resultados dos cálculos podem ser ligeiramente diferentes devido aos valores arredondados das métricas normalizadas nas fórmulas
