इस पत्र में, हम एक ऐसी विधि का प्रस्ताव और तुलना करते हैं जो उच्चारण मूल्यांकन के लिए पारंपरिक सॉफ्टमैक्स-आधारित संभाव्यता-आधारित GOP के बजाय लॉगिट-आधारित GOP स्कोर का उपयोग करती है। हम डच और मंदारिन बोलने वालों के दो L2 अंग्रेजी कॉर्पोरा पर प्रयोग करते हैं, और वर्गीकरण प्रदर्शन और मानव रेटर स्कोर के बीच संबंध का मूल्यांकन करते हैं। परिणाम दर्शाते हैं कि वर्गीकरण प्रदर्शन में लॉगिट-आधारित विधि संभाव्यता-आधारित GOP से बेहतर प्रदर्शन करती है, लेकिन प्रभाव डेटासेट विशेषताओं के आधार पर भिन्न होता है। अधिकतम लॉगिट GOP मानवीय धारणा से सबसे अच्छा मेल खाता है, जो यह सुझाव देता है कि एक संकर विधि जो विभिन्न GOP स्कोर को जोड़ती है, संतुलित तरीके से संभाव्यता और लॉगिट दोनों विशेषताओं पर विचार करने में प्रभावी है। हमारे परिणाम दर्शाते हैं कि एक संकर GOP विधि जिसमें अनिश्चितता मॉडलिंग और ध्वनि-वार भार शामिल हैं
