「単語」と「イメージ」
単語とその具象を結びつける、つまり単語をイメージ（画像）に置き換えるには、その具象を見たことがある、という経験が必要です。
ただし、例えば「女性」と言っても、10代の男の子が思い浮かべるのは、お母さんやお姉さん、で10代の女の子ならば20代くらいの憧れの女性かも知れません。言葉と具象の組み合わせは、人によって皆異なり、必ずしも一致しません。
単語とその具象は「1対1」の関係ではなく、「1対多」です。
想像することこそ個性
そしてその具象（イメージ）の個人差こそ、それをおもい浮かべる人の個性であり、それぞれの人の感性・心の豊かさを表出するものだと思いますが、違うでしょうか？
言葉を解釈するという思考は「想像する」という脳の活動と言えるのではないか。
動画はすでに具象
ところが、動画はすでに具象としての画像の連続であり、想像力を介在しないので、個人差を生みません。だから文字、文章のコンテクストから言葉の意味を理解する（あれこれ想像する）というプロセスが要らず、面倒でなく「よくわかる」というわけです。
研修マニュアルとしての映像なら、視聴者が受け取る情報に個人差が生じず、結果としてのアウトプット（研修成果）も確実になります。
思考停止
ただし僕が問題だと思うのは、その動画が伝える情報は、「想像する（考える）」という脳の活動が不要で、解釈も誰もが同じで、人によって異なる理解も起こりません。たんなる自動運転と同じで、青が点灯するからスタートすると記憶するだけで、なぜ青だとスタートしていいのか？とか考えることはないのです。つまり頭は「思考停止」のまま、人々の感性も個性がなく一様になります。
これは「学習」ではありません。
言葉だから学習が行われる
言葉で伝えれば、解釈するためにあれこれ思考して、その結果行動することの意味を理解します。同時に類似の状況における行動についても、どうするべきかも気づくことでしょう。それこそが「学習」でしょう。
つまり動画では学習活動が行われないのです。
動画学習はAIに任せておけば？
動画学習は人間にデータベースを読み込ませ、行動指令を書き込むのと同じです。AIでもよく「学習させる」と言いますが、厳密には1対1の情報を膨大にインプットすることで、答えのバリエーションがたくさんあるため「あたかも考えているように見える」だけです（そうですよね？違うのかな？僕はそう理解しています）。
人間が動画で学習する、というのならば、それこそ膨大な経験をすべて動画化して視聴させないことには、全人的な人格を形成させることはできないでしょう。
ひとつのことに特化した技術やら方法を習得させるのには、動画は実用価値があると思いますが、なんでもかんでも動画にその役を担わせるのは、なにかとんでもない人間集団ができあがってくるような気がして、とても怖いと思うのですが。
