O artigo "司馬庫斯遊覽車翻覆事故" na Wikipédia em chinês tem 17.9 pontos para qualidade (em 1º de agosto de 2024). O artigo contém 2 referências e 7 seções.
Desde a criação do artigo "司馬庫斯遊覽車翻覆事故", seu conteúdo foi escrito por 15 usuários cadastrados na Wikipédia em chinês e editado por 15 usuários registrados da Wikipédia em todos os idiomas.
O artigo é citado 6 vezes na Wikipédia em chinês e citado 6 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 39996 02.2017 |
Global: Nº 928476 02.2017 |
| Melhor Posição | chinês: Nº 1272 12.2012 |
Global: Nº 232073 12.2012 |
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 chinês, os artigos mais populares naquele dia foram: 影后 (電視劇), 宋再臨, 破·地獄, 林廷憶, 璩美鳳, 馬可·魯比歐, 永夜星河, 詹懷雲, 唐納·川普, 楊謹華.
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
$$Qualidade=1/c∑↙{i=1}↖c nm_i-RS=1/5(12.6+2.02+0+58.33+16.3)$$
onde:
Os resultados dos cálculos podem ser ligeiramente diferentes devido aos valores arredondados das métricas normalizadas nas fórmulas
