文章的品質和受歡迎程度公式 Kim Fowley en
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「Kim Fowley」的作者的一組唯一名稱
- - 是 2024年7月 維基百科中「Kim Fowley」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
英語維基百科的「Kim Fowley」文章品質得分為 75.5 分(截至2024年8月1日). 本文包含 139 篇參考文獻和 13 個章節。 該文章還包含品質缺陷模板,這會降低品質分數。
在該語言版本的維基百科中,該文章具有最佳的品質。此外,這篇文章是該語言版本中最受歡迎的。
自「Kim Fowley」文章創建以來,其內容由 219 名英語維基百科註冊用戶撰寫,並由 418 名所有語言的註冊維基百科用戶編輯。
該文章在英語維基百科中被引用 615 次,在所有語言中被引用 1236 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 16 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) Kim Fowley |
2 845 574 | |
2 | 法語 (fr) Kim Fowley |
122 796 | |
3 | 德語 (de) Kim Fowley |
108 269 | |
4 | 西班牙語 (es) Kim Fowley |
104 811 | |
5 | 俄語 (ru) Фоули, Ким |
78 857 | |
6 | 葡萄牙語 (pt) Kim Fowley |
46 808 | |
7 | 意大利語 (it) Kim Fowley |
30 345 | |
8 | 瑞典語 (sv) Kim Fowley |
18 133 | |
9 | 波蘭語 (pl) Kim Fowley |
7 905 | |
10 | 捷克語 (cs) Kim Fowley |
5 107 |
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) Kim Fowley |
![]() | 219 |
2 | 法語 (fr) Kim Fowley |
![]() | 49 |
3 | 德語 (de) Kim Fowley |
![]() | 33 |
4 | 意大利語 (it) Kim Fowley |
![]() | 25 |
5 | 俄語 (ru) Фоули, Ким |
![]() | 20 |
6 | 西班牙語 (es) Kim Fowley |
![]() | 15 |
7 | 瑞典語 (sv) Kim Fowley |
![]() | 11 |
8 | 土耳其語 (tr) Kim Fowley |
![]() | 11 |
9 | 葡萄牙語 (pt) Kim Fowley |
![]() | 10 |
10 | 捷克語 (cs) Kim Fowley |
![]() | 6 |
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 | 英語: 4810 01.2015 |
全球: 9882 01.2015 |
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。
英語維基百科當天最受歡迎的文章是:Kim Sae-ron、Alabama、Deaths in 2025、Sarah McBride、Kim Soo-hyun、Elon Musk、2024–25 UEFA Champions League、Mark Carney、Rosie O'Donnell、Mickey 17.
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