O artigo "贵妃醉酒" na Wikipédia em chinês tem 7.7 pontos para qualidade (em 1º de agosto de 2024). O artigo contém 0 referências e 2 seções.
Desde a criação do artigo "贵妃醉酒", seu conteúdo foi escrito por 14 usuários cadastrados na Wikipédia em chinês e editado por 14 usuários registrados da Wikipédia em todos os idiomas.
O artigo é citado 25 vezes na Wikipédia em chinês e citado 25 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 24621 12.2008 |
Global: Nº 986241 11.2017 |
Em 3 de novembro de 2024, na Wikipédia multilíngue, os usuários da Internet leem com mais frequência artigos sobre os seguintes tópicos: Eleição presidencial nos Estados Unidos em 2024, Kamala Harris, Donald Trump, Campeonato Mundial de Fórmula 1 de 2024, The Substance, Kemi Badenoch, mortes em 2024, Elon Musk, Venom: The Last Dance, Max Verstappen.
Na Wikipédia em chinês, os artigos mais populares naquele dia foram: Faker, 来自地狱的法官, 2024年美國總統選舉, 英雄联盟全球总决赛, 永夜星河, T1 (電競隊伍), 劉德華, 焚城, BLG电子竞技俱乐部, 杜琪峯.
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
$$Qualidade=1/c∑↙{i=1}↖c nm_i-RS=1/5(4.98+0+16.67+16.67+0)$$
onde:
Os resultados dos cálculos podem ser ligeiramente diferentes devido aos valores arredondados das métricas normalizadas nas fórmulas
