文章的品質和受歡迎程度公式 James Weekes no
在哪裡:
- - 是歸一化品質指標
- - 是品質指標的數量
- - 是降低分數(如果存在)
where:
- - 是語言版本的索引
- - 表示作者的興趣(作者數量)
- - 表示文章的受歡迎程度(頁面瀏覽量)
- - 是 2024年7月期間 維基百科中文章「James Weekes」的作者的一組唯一名稱
- - 是 2024年7月 維基百科中「James Weekes」文章的熱門程度
由於公式中歸一化指標的四捨五入值,計算結果可能略有不同
挪威語維基百科的「James Weekes」文章品質得分為 2 分(截至2024年8月1日). 本文包含 0 篇參考文獻和 2 個章節。
這篇文章是加泰羅尼亞語維基百科中品質最好的。 然而,本文最流行的語言版本是中文。
自「James Weekes」文章創建以來,其內容由 13 名挪威語維基百科註冊用戶撰寫,並由 49 名所有語言的註冊維基百科用戶編輯。
該文章在挪威語維基百科中被引用 7 次,在所有語言中被引用 247 次。
2001 年以來作者的最高興趣排名:
2008年以來的最高人氣排名:
WikiRank 資料庫中本文有 9 種語言版本(所考慮的 55 個維基百科語言版本)。
品質和受歡迎程度評估是基於 2024年8月1日的維基百科轉儲(包括前幾年的修訂歷史和頁面瀏覽量)。
下表顯示了最高品質的文章的語言版本。
# | 语言 | 人气奖 | 相对人气 |
---|---|---|---|
1 | 英語 (en) James Weekes |
10 117 | |
2 | 挪威語 (no) James Weekes |
1 408 | |
3 | 法語 (fr) James Weekes (voile) |
461 | |
4 | 德語 (de) James Weekes (Segler) |
175 | |
5 | 中文 (zh) 詹姆斯·威克斯 |
153 | |
6 | 波斯語 (fa) جیمز ویکز |
149 | |
7 | 荷蘭語 (nl) James Weekes |
81 | |
8 | 加泰羅尼亞語 (ca) James Weekes |
28 | |
9 | 葡萄牙語 (pt) James Weekes |
14 |
下表顯示了上個月最受歡迎的文章的語言版本。
# | 语言 | 作者兴趣奖 | 作者相对兴趣 |
---|---|---|---|
1 | 英語 (en) James Weekes |
![]() | 20 |
2 | 挪威語 (no) James Weekes |
![]() | 13 |
3 | 中文 (zh) 詹姆斯·威克斯 |
![]() | 4 |
4 | 德語 (de) James Weekes (Segler) |
![]() | 3 |
5 | 法語 (fr) James Weekes (voile) |
![]() | 3 |
6 | 波斯語 (fa) جیمز ویکز |
![]() | 2 |
7 | 荷蘭語 (nl) James Weekes |
![]() | 2 |
8 | 加泰羅尼亞語 (ca) James Weekes |
![]() | 1 |
9 | 葡萄牙語 (pt) James Weekes |
![]() | 1 |
下表顯示了上個月作者最感興趣的文章的語言版本。
最佳排名 | 挪威語: 160143 09.2013 |
全球: 2264747 12.2009 |
最佳排名 | 挪威語: 12591 10.2015 |
全球: 138992 07.2020 |
不同語言的維基百科文章列表(從最受歡迎的開始):
2025年3月12日,在多語言維基百科中,網路使用者最常閱讀以下主題的文章:伊隆·马斯克、2024–25年歐洲冠軍聯賽、歐洲冠軍聯賽、迭戈·西蒙尼、金賽綸、金秀賢、格陵兰、朱利亞諾·施蒙尼、唐納·川普、ChatGPT。
挪威語維基百科當天最受歡迎的文章是:Forside、Grønland、Først til verdens ende、Jan-Erik Aalbu、Clas Brede Bråthen、Paradise Hotel (Norge)、Espen Rostrup Nakstad、Magnus Brevig、Norge、Spillet (norsk realityserie).
該計畫旨在對維基百科各種語言版本的文章進行自動相對評估。 目前,該服務允許比較 55 種語言的超過 4,400 萬篇維基百科文章。 文章的品質分數是根據 2024年8月的維基百科轉儲。 在計算作者當前的受歡迎程度和興趣時,考慮了 2024年7月的數據。 對於作者受歡迎程度和興趣的歷史價值,WikiRank 使用了 2001 年至 2023 年的數據。 更多資訊
在哪裡:
where:
由於公式中歸一化指標的四捨五入值,計算結果可能略有不同