Artikel "323佔領行政院事件" in der chinesischen Wikipedia hat 86.6 Punkte für Qualität (Stand 1. Juli 2025). Der Artikel enthält 93 Referenzen und 21 Abschnitte.
Seit der Erstellung des Artikels "323佔領行政院事件" wurde sein Inhalt von 63 registrierten Benutzern der chinesischen Wikipedia verfasst und von 63 registrierten Wikipedia-Benutzern in allen Sprachen bearbeitet.
Der Artikel wird 186 Mal in der chinesischen Wikipedia zitiert und in allen Sprachen 186 Mal zitiert.
Der höchste Autoreninteresse-Rang aus dem Jahr 2001:
Der höchste Beliebtheitsrang aus dem Jahr 2008:
Es gibt 1 Sprachversion für diesen Artikel in der WikiRank-Datenbank (von den berücksichtigten 55 Wikipedia-Sprachausgaben).
Die Qualitäts- und Beliebtheitsbewertung basierte auf Wikipedia-Dumps vom 1. Juli 2025 (einschließlich Revisionsverlauf und Seitenaufrufe für frühere Jahre).
| Bester Rang | Chinesische: Nr. 4603 04.2014 |
Global: Nr. 267924 04.2014 |
Am 8. Juli 2025 lesen Internetnutzer in der mehrsprachigen Wikipedia am häufigsten Artikel zu folgenden Themen: Diogo Jota, João Pedro, Ozzy Osbourne, Laura Siegemund, Aryna Sabalenka, Julian McMahon, Jurassic World: Die Wiedergeburt, FIFA-Klub-Weltmeisterschaft 2025, Amanda Anisimova, Formula One.
In der chinesischen Wikipedia waren die beliebtesten Artikel an diesem Tag: 權恩妃, 林沖 (藝人), 书卷一梦, K-Pop：惡魔獵人, 桃花映江山, F1電影, 瑞草洞 (電視劇), 黃敏惠, 我們與惡的距離 II, 周先旺.
Das Projekt dient der automatischen relativen Auswertung der Artikel in den verschiedenen Sprachversionen von Wikipedia. Derzeit ermöglicht der Dienst den Vergleich von über 44 Millionen Wikipedia-Artikeln in 55 Sprachen. Die Qualitätsbewertung von Artikeln basiert auf Wikipedia-Dumps vom Juli 2025. Bei der Berechnung der aktuellen Popularität und des Interesses der Autoren an Artikeln wurden Daten vom Juni 2025 berücksichtigt. Für historische Werte der Popularität und des Autoreninteresses verwendete WikiRank Daten von 2001 bis 2025... Mehr Informationen
$$Qualität=1/c∑↙{i=1}↖c nm_i-RS=1/5(100+92.08+100+100+40.71)$$
where:
Die Ergebnisse der Berechnungen können aufgrund gerundeter Werte normalisierter Metriken in Formeln geringfügig abweichen
