Somos lo que hacemos, nos gusta y decimos. Numerosos esfuerzos de investigación se han dirigido hacia la evaluación automática de dimensiones de personalidad basándose en un conjunto de información recopilada de plataformas de redes sociales, como la lista de amigos, intereses en música y películas, recomendaciones y "me gusta" que un individuo ha realizado. Convertir esta información en señales y utilizarlas como entradas para enfoques de aprendizaje supervisado ha resultado ser particularmente efectivo y preciso en el cálculo de rasgos y tipos de personalidad. A pesar de la precisión demostrada de estos enfoques, la gran cantidad de información necesaria para implementar tal metodología y las restricciones de acceso hacen que sean inviables para ser utilizados en un escenario de uso real. En este artículo, proponemos un enfoque de aprendizaje supervisado para calcular rasgos de personalidad basándonos únicamente en lo que un individuo tuitea públicamente. El enfoque segmenta los tuits en tokens, luego aprende representaciones vectoriales de palabras como incrustaciones que se utilizan para alimentar un clasificador de aprendizaje supervisado. Demostramos la efectividad del enfoque midiendo el error cuadrático medio del modelo aprendido utilizando un benchmark internacional de actualizaciones de estado de Facebook. También probamos el poder predictivo del aprendizaje por transferencia de este modelo con un benchmark creado internamente por veinticuatro panelistas que realizaron una encuesta psicológica de vanguardia y observamos una buena conversión del modelo al analizar sus publicaciones en Twitter en relación con los rasgos de personalidad extraídos de la encuesta.