Die meisten Persönlichkeitsmessungen basieren auf Selbstberichten, wobei allerdings Kritik an ihrer Länge, begrenzten Informationen, hoher Gesichtsgültigkeit und Antwortverzerrungen geübt wurde. Angesichts der Integration von KI und maschinellem Lernen in die Psychologie hat die Forschung gezeigt, dass verschiedene Arten von Daten spezifische psychologische Konstrukte vorhersagen können. Die computergestützte Persönlichkeitsbewertung (CPA) nutzt Technologie, um Persönlichkeit einzuschätzen, was automatisierte, maschinelle und sprachbasierte Persönlichkeitsbewertungen umfasst. Zur Verbesserung des Verständnisses von Computergestützter Persönlichkeitsforschung müssen Herausforderungen wie die Validität von Persönlichkeitslabels, zum Beispiel, durch den Einsatz von offenen Fragen gelöst werden. Computermodelle des Gesichtsausdrucks konzentrieren sich möglicherweise auf den Hintergrund anstelle des tatsächlichen Gesichts oder der Merkmale.
Zudem bestehen Schwierigkeiten in der Analyse von Sprache für psychologische Zwecke, insbesondere in Zusammenhang mit der Verwendbarkeit leicht zugänglicher Korpusdaten ohne Hypothesen, was die Konstrukte messbar macht. Offene Fragen können als psychologische Lösung dienen, um die Normen beider Disziplinen zu integrieren. Ein Vergleich von maschineller Vorhersagegenauigkeit und menschlicher Vorhersagegenauigkeit zeigte vergleichbare Ergebnisse. Weiterhin konnte gezeigt werden, dass Fragen, die spezifisch zur Messung von Neurotizismus entwickelt wurden, die besten Vorhersagen lieferten, während Fragen, die weniger mit Neurotizismus verbunden sind, schlechte Leistungen aufwiesen. Offene Fragen haben einzigartige Merkmale, die traditionelle Likert-Fragenbögen überwinden können, insbesondere in Bezug auf Ehrlichkeit und Deutlichkeit. Langfristig könnten offene Fragen basierend auf psychologischen Theorien zur Verbesserung der Repräsentation und Vorhersage der Persönlichkeit in der computergestützten Forschung beitragen.