Dans cet article, nous proposons et comparons une méthode utilisant des scores GOP logit au lieu du GOP probabiliste softmax conventionnel pour l'évaluation de la prononciation. Nous menons des expériences sur deux corpus d'anglais L2 de locuteurs néerlandais et mandarin, et évaluons la corrélation entre les performances de classification et les scores de l'évaluateur humain. Les résultats montrent que la méthode logit surpasse le GOP probabiliste en termes de performances de classification, mais l'effet varie selon les caractéristiques de l'ensemble de données. Le GOP logit maximal correspond le mieux à la perception humaine, ce qui suggère qu'une méthode hybride combinant différents scores GOP est efficace pour prendre en compte à la fois les caractéristiques probabilistes et logit de manière équilibrée. Nos résultats suggèrent qu'une méthode GOP hybride incluant la modélisation de l'incertitude et la pondération phonémique peut améliorer l'évaluation de la prononciation.
