Article in International Journal of Training and Development · August 003 doi: 10. 1111/1468-2419. 00169 citations 94 reads 1,925 authors

.448
47. Studying for tasks is exciting
.050
.384
⫺
.075
48. Remember textbook definitions
.326
⫺
.009
.053
49. OK to scrape through
⫺
.089
⫺
.047
.381
50. Read widely around subject
.265
⫺
.069
.138
51. Difficult fitting facts to form overall
.222
⫺
.059
.539
picture
52. Do my job but no more
.171
ⴚ
.396
.198
53. Speaking at meetings is ordeal
.335
⫺
.189
.130
54. Work through problems to logical
⫺
.018
.292
⫺
.133
conclusion
55. Use spare time to learn about work
.196
.538
.076
56. Map out topic to see how ideas fit
.038
.350
⫺
.100
57. Too quick in jumping to conclusions
⫺
.066
.047
.510
58. Hate admitting defeat
.059
.071
.083
59. Look at problems rationally not
.451
⫺
.127
⫺
.240
intuitive jumps
60. Remember better when I concentrate on
.431
⫺
.021
.105
order
61. Look at evidence to see if conclusion is
.241
.235
⫺
.129
justified
62. Managers think I should use more of
.219
.057
.176
my ideas
63. Wonder why I ever worked here
.040
⫺
.126
.453
64. Pursue interesting issues even if not my
⫺
.068
.503
.053
job
Correlations
Surface-rational
1.000
Deep
.025
1.000
Surface-disorganised
.085
⫺
.124
1.000
Note
: Loadings of .3 or more have been bolded to emphasise factor structure.
To make up the final version of the AWQ, ten items were selected from each of
the three factors. Items were selected to have high loadings on their own factor, but
low loadings on the others, and to fit the three constructs. Alpha coefficients for the
three resulting scales are shown in Table 2 and are all above .70. The items are shown
in the Appendix.
The next step was to factor-analyse only the 30 selected items, using the even-
numbered data set. The scree plot supported a three-factor solution, and this solution
accounted for 25.51 per cent of the variance. Factor loadings are shown in Table 3.
The three factors (deep, surface-rational, and surface-disorganised) were reproduced.
With two exceptions, all items achieved a loading of at least .300 on the hypothesised
factor. One item (‘Although I generally remember facts and details, I find it difficult
to fit them together into an overall picture’) which was intended to load on surface-
disorganised loaded on surface-rational instead. The other item (‘I certainly want to
get a good performance appraisal, but it doesn’t really matter if I only just scrape
40
International Journal of Training and Development

Blackwell Publishing Ltd 2003

---

Table 2: Cronbach’s alpha for the final version of the AWQ
Scale
Alpha
Odd-numbered
Even-numbered
cases
cases
N
=
236
N
=
236
1. Deep (10 items)
.72
.71
2. Surface-disorganised (10 items)
.72
.73
3. Surface-rational (10 items)
.74
.75
through’) was intended to load on surface-disorganised, and it did achieve its highest
loading on that factor, but the loading was only .201. Four of the items loaded on
more than one factor. Three of these were deep scale items that also loaded negatively
on surface-disorganised. The fourth was from surface-rational and also loaded nega-
tively on deep. The factors were again minimally correlated, the largest being
between surface-rational and surface-disorganised,
r
=
.219. The fit of the model was
tested using FITMOD. RMSEA for the model
=
.047 (.037, .057), suggesting good fit.
Cronbach’s alpha was calculated for each of the scales (using even-numbered
cases) and values are shown in Table 2 along with alphas from the odd-numbered
data. Again, all values were greater than .70.