性别表达相关测试把衣着、兴趣、情绪或职业直接分成“男性化”和“女性化”时，结果很容易失真。题目先规定了什么算作某种表达，回答者可能只是在回应社会期待、环境压力，或自己对这些期待的反感。
判断一套题值不值得继续读，可以看它是否公开题目范围和版本，是否允许不同文化、年龄与生活处境，是否把表达方式与身份、取向或人格价值混在一起。题目越依赖二分和刻板联想，结论就越应保持有限。
还要注意题目问的是偏好还是现实行为。有人喜欢某种风格，却因工作、家庭或安全环境采用不同打扮；有人在不同场合有不同表达。把这些差异全部解释为固定特质，会高估测试的能力。
也要检查选项有没有允许回答“不适用”或说明情境。只有二选一的题，可能迫使人把复杂体验塞进两个预设类别；这种题更适合反映工具的分类方式，较难完整反映回答者的表达。
还可看题目是否把“更常见”写成“应该如此”。前者勉强可以描述某种社会印象，后者已经把规范混进测量。题目带有价值要求时，分数更容易反映回答者对规则的态度，难以说明表达本身。也要留意题目是否把兴趣、能力或责任分工混在一起，它们分别受到环境机会与现实限制影响。
用开放记录补足封闭选项
可以写下：我在哪些场合喜欢怎样打扮或说话，我这样做时感到轻松还是受限，我希望他人怎样理解这些表达。开放记录能保留测试题目没有提供的条件和变化。
具体经验比一个带有刻板前提的分数更接近真实的自我表达。测试能提示该问什么，不能替人规定怎样才算某种性别表达。