尼韦勒 - 比利时瓦隆布拉班特省城市. 这个城市是 第4903名 全球维基百科排名中最受欢迎的城市. 挪威語維基百科的「Nivelles」文章品質得分為 20.3 分（截至2023年11月1日）.
本文包含 1 篇參考文獻和 2 個章節。 這篇文章是法語維基百科中品質最好的。 此外，這篇文章是該語言版本中最受歡迎的。 自「Nivelles」文章創建以來，其內容由 30 名挪威語維基百科註冊用戶撰寫，並由 674 名所有語言的註冊維基百科用戶編輯。 在維基百科的全球圖城市排名中，尼韦勒一直位居第 4903 位。 該文章在挪威語維基百科中被引用 50 次，在所有語言中被引用 3057 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 30 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 2023年11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）。
The table below shows the language versions of the article with the highest quality.
| # | 语言 | 价值 |
|---|---|---|
| bg | 保加利亞語 Нивел |  |
| ca | 加泰羅尼亞語 Nivelles |  |
| cs | 捷克語 Nivelles |  |
| da | 丹麥語 Nivelles |  |
| de | 德語 Nivelles |  |
| en | 英語 Nivelles |  |
| eo | 世界語 Nivelles | |
| es | 西班牙語 Nivelles |  |
| et | 愛沙尼亞語 Nivelles |  |
| eu | 巴斯克語 Nivelles |  |
| fa | 波斯語 نیول | |
| fi | 芬蘭語 Nivelles | |
| fr | 法語 Nivelles |  |
| id | 印度尼西亞語 Nivelles |  |
| it | 意大利語 Nivelles |  |
| la | 拉丁語 Nivigella |  |
| nl | 荷蘭語 Nijvel | |
| no | 挪威語 Nivelles |  |
| pl | 波蘭語 Nivelles |  |
| pt | 葡萄牙語 Nivelles | |
| ro | 羅馬尼亞語 Nivelles |  |
| ru | 俄語 Нивель |  |
| sh | 塞爾維亞-克羅地亞語 Nivelles |  |
| simple | 簡體英語 Nivelles | |
| sk | 斯洛伐克語 Nivelles | |
| sv | 瑞典語 Nivelles | |
| tr | 土耳其語 Nivelles | |
| uk | 烏克蘭語 Нівель | |
| vi | 越南語 Nivelles | |
| zh | 中文 尼韦勒 |  |
| 最佳排名 | 挪威語: 58327 01.2008 |
全球: 220482 08.2010 |
不同語言的維基百科文章列表（從最受歡迎的開始）：
2024年6月11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：2024年歐洲足球錦標賽、ChatGPT、2026年國際足協世界盃外圍賽 (亞洲區)、克里斯蒂亚诺·罗纳尔多、YouTube、歐洲足球錦標賽、2024年逝世人物列表、馬拉威、2024年歐洲田徑錦標賽、亨特·拜登。
挪威語維基百科當天最受歡迎的文章是：Marie-Therese Obst、Tikamp、Sander Aae Skotheim、Hanne Mjøen Maridal、Karsten Warholm、Norge under EM i friidrett 2024、Line Kloster、Markus Rooth、EM i fotball 2024、Høydehopp.
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 2023年11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 2023年10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
$$品質=1/c∑↙{i=1}↖c nm_i-RS=1/5(1.41+0.83+29.41+8+61.93)$$
在哪裡：
$$GlobalAI=|⋃↙{lang=1}↖30 Authors_{lang}|=4$$
$$PopGlobal=∑↙{lang=1}↖30 PopLocal_{lang}=6407$$
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
