L'article "于建华" sur Wikipédia en chinois a 0.1 points pour la qualité (au 1 août 2024).
Depuis la création de l'article "于建华", son contenu a été rédigé par 3 utilisateurs enregistrés de Wikipédia en chinois et édité par 3 utilisateurs Wikipédia enregistrés dans toutes les langues.
L'article est cité 4 fois dans Wikipédia en chinois et cité 4 fois dans toutes les langues.
Le rang d’intérêt des auteurs le plus élevé depuis 2001:
Le classement de popularité le plus élevé depuis 2008:
Il existe 1 version linguistique pour cet article dans la base de données WikiRank (sur les 55 éditions linguistiques Wikipédia considérées).
L'évaluation de la qualité et de la popularité est basée sur les dumps Wikipédia du 1 août 2024 (y compris l'historique des révisions et les pages vues des années précédentes).
| Meilleur rang | chinois: n° 337031 11.2019 |
Mondial: n° 6326133 11.2019 |
| Meilleur rang | chinois: n° 72556 02.2024 |
Mondial: n° 2583803 02.2024 |
Au 12 novembre 2024 sur Wikipédia multilingue, les internautes lisent le plus souvent des articles sur les thèmes suivants: Donald Trump, Marco Rubio, Elon Musk, Song Jae-rim, élection présidentielle américaine de 2024, Megan Fox, Melania Trump, Gladiator 2, ChatGPT, décès en 2024.
Sur Wikipédia en chinois, les articles les plus populaires ce jour-là étaient: 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.
Le projet est destiné à l'évaluation relative automatique des articles dans les différentes versions linguistiques de Wikipédia. À l'heure actuelle, le service permet de comparer plus de 44 millions d'articles Wikipédia dans 55 langues. Les scores de qualité des articles sont basés sur les dumps Wikipédia de août 2024. Lors du calcul de la popularité actuelle et de l’intérêt des auteurs pour les articles, les données de juillet 2024 Pour les valeurs historiques de popularité et d’intérêt des auteurs, WikiRank a utilisé des données de 2001 à 2023... Plus d'information
$$Qualité=1/c∑↙{i=1}↖c nm_i-RS=1/5(0.44+0+0+0+0)$$
where:
Les résultats des calculs peuvent être légèrement différents en raison des valeurs arrondies des mesures normalisées dans les formules
