learning - Academic Conferences Limited

Figure 6: Box plots of five clusters
3.4 Principal component analysis
Michaela Drozdová et al.
Principal component analysis found 13 components. The last component has much lower standard
deviation compared to the other components (see table 2), so this component can be removed from
the analysis. Most of the principal components have high coefficient in the covariance matrix (see
table 3) at only one property, so this property is independent. Significant components with more than
one high coefficient have high values mostly at sensual properties. This means that sensual
properties depend on each other, but that was already known. All other properties are almost entirely
independent.
Table 2: Standard deviation table of principal components
PC1 PC2 PC3 PC4 PC5 PC6 PC7 PC8 PC9 PC10 PC11 PC12 PC13
3,46 2,45 2,26 2,09 1,51 1,25 1,08 0,75 0,34 0,31 0,29 0,26 0,00
Table 3: Covariance matrix of principal components
PC1 PC2 PC3 PC4 PC5 PC6 PC7 PC8 PC9 PC10 PC11 PC12 PC13
visual 0,0 0,1 -0,1 0,0 -0,8 0,0 0,1 0,0 0,0 0,0 0,0 0,0 0,5
kinesthetic 0,0 0,7 0,2 -0,1 0,3 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,5
auditive 0,0 -0,6 0,6 -0,1 0,1 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,5
verbal 0,0 -0,2 -0,7 0,3 0,3 0,0 -0,1 0,0 0,0 0,0 0,0 0,0 0,5
social -1,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
motivation 0,0 -0,1 -0,3 -0,9 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
order 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 -0,7 -0,7 0,2 0,0 0,0
theor/exper 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,1 -0,4 -0,9 0,2 0,0
detail/holistic 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 -0,7 0,6 -0,2 0,4 0,0
surface 0,0 0,0 0,0 0,0 -0,1 1,0 -0,1 0,1 0,0 0,0 0,0 0,1 0,0
strategic 0,0 0,0 0,0 0,0 0,1 0,1 0,9 -0,3 0,0 0,0 0,0 0,0 0,0
deep 0,0 0,0 0,0 0,0 0,1 -0,1 0,3 0,9 0,0 0,0 0,0 0,0 0,0
auto-regulation 0,0 0,0 0,0 0,0 0,0 0,1 0,0 0,0 -0,3 0,2 -0,3 -0,9 0,0
4. Conclusion
The newly created LPQ questionnaire has many advantages compared to the group of questionnaires
used in our previous research. Its main benefit is lower filling time that led to more honest filling.
Analysis of filled questionnaires found only minor dependencies between chosen learning styles, so
there is no need to change the set of measured student characteristic. One potential problem is that
193