Artykuł "萧平 (明朝宦官)" w chińskiej Wikipedii posiada 15.8 punktów za jakość (stan na 1 sierpnia 2024 roku). Artykuł zawiera, oprócz innych wskaźników, 2 referencji oraz 3 sekcji.
Od czasu utworzenia artykułu "萧平 (明朝宦官)" jego treść była napisana przez 4 zarejestrowanych użytkowników chińskiej Wikipedii oraz edytowana przez 4 zarejestrowanych użytkowników Wikipedii we wszystkich wersjach jézykowych.
Ten artykuł jest cytowany 2 razy w chińskiej Wikipedii oraz cytowany 2 razy we wszystkich wersjach językowych.
Najwyższe zainteresowanie autorów od 2001 roku:
Najwyższa popularność w rankingu od 2008 roku:
Dla danego artykułu znaleziona 1 wersja językowa w bazie danych WikiRank (z 55 rozpatrywanych wersji językowych Wikipedii).
Dane z dnia 1 sierpnia 2024 roku.
| Najlepsza pozycja | Chiński: Nr 366202 02.2019 |
Globalny: Nr 7177685 02.2019 |
| Najlepsza pozycja | Chiński: Nr 4425 02.2019 |
Globalny: Nr 292713 02.2019 |
W dniu 25 stycznia 2025 roku w wielojęzycznej Wikipedii internauci najczęściej czytali artykuły na następujące tematy: Donald Trump, Madison Keys, Elon Musk, Aryna Sabalenka, Melania Trump, Emilia Pérez, Abduqodir Xusanov, Pete Hegseth, Nosferatu, Karla Sofía Gascón.
W chińskiej Wikipedii najbardziej popularnymi artykułami w tym dniu były: 外傷重症中心, 国色芳华, 白月梵星, 大奉打更人, 打招呼的關係, 吉伊卡哇, 2025年印度尼西亞羽毛球大師賽, 五福临门 (电视剧), 唐納·川普, 习近平.
Projekt WikiRank jest przeznaczony do automatycznej względnej oceny artykułów w różnych wersjach językowych Wikipedii. Obecnie WikiRank pozwala porównywać ponad 44 mln artykułów Wikipedii w 55 językach. Wskaźniki jakośći artykułu są oparte na kopii zapasowej Wikipedia (stan na sierpień 2024). Przy obliczaniu popularności uwzględniono statystyki artykułów za ostatni miesiąc (w lipcu 2024 roku). Przy obliczaniu aktualnej popularności oraz Zainteresowania Autorów (ZA) artykułów uwzględniono dane za lipcu 2024 roku. Dla wartości historycznych popularności oraz ZA zostały wykorzystane dane z lat 2001-2023... Więcej informacji
$$Jakość=1/c∑↙{i=1}↖c nm_i-RS=1/5(4.31+2.02+0+25+47.69)$$
gdzie:
Wynik obliczeń może być nieco rozbieżny, ponieważ wartości znormalizowanych wskaźników zostały zaokrąglone
