Une catégorie catégorie de facteurs pouvant être intéressante pour prédire les performances et l'apprentissage des utilisateurs d'interfaces cerveau-ordinateur sont leurs caracteristiques stables telles que leurs traits de personnalité, leur style d'apprentissage, leur abilité spatiales ou encore leur age ou leur genre. Dans toutes nos expériences, nous demandons aux sujets de réponde à un certain nombre de questionnaires afin d'en savoir plus sur leur personnalité, leur profile cognitif mais aussi leur profile général. Grâce à cela, nous avons accès à plusieurs facteurs pouvant être utilisés pour construire nos modèles.
Jusqu'à présent ces études ont pu montrer, par exemple, que les utilisateurs anxieux ont généralement plus de mal à contrôler les BCIs. De plus, les utilisateurs ayant des abilités spatiales évelées semblent avoir moins de difficulés à controler les BCIs. Nous avons également pu prédire les performances obtenues à une session N+1 à partir des performances N et d'un trait particulier de personnalité: la vigilence. Ce facteur est lié à la tendance à être confiant ou, à l'opposé, vigilent face aux motivations et aux intentions des autres. Les sujets avec une note élevée s'attendent à être mal compris ou à ce qu'on profite d'eux. Comme ce facteur à un poids positif dans notre modèle, cela suggère que les sujets avec un score de vigilence élevé pourraient être scéptique et qu'il faudrait passer plus de temps à les rassurer ou leur donner plus d'explications techniques.
Cependant, nos analyses suggèrent également que ces caractéristiques stables, seules, ne permettent pas de prédire les performances des utilisateurs à travers les différentes expériences que nous avons pû faire mais également lorsque l'entrainement de l'utilisateur est fait sur peu de sessions (3 sessions de 2h). Ce resultat négatif laisse entendre que ces facteurs de personnalité n'ont pas une assez grande contribution dans les variations inter et intra sujet qui peuvent existent.