无论是图文影像还是视频语音，本质上都是为学习者提供新的场景、更有感觉的方式。

新的方式总会更加喜闻乐见，让那些原本不愿意读书、学不进去的人，多少能够获得一些有价值的资料。

但是，尽管视频承载的内容非常丰富，但作为学习知识的方式，效率却非常低。要理解这一点，要从人的认知方式开始。

一个人，从婴儿开始认知世界，首先经历的是互动。婴儿出生，并没有视力，靠的是和环境（包括母亲）的互动感知世界。当几天后有了视力，则主要通过连续画面观察世界（所以婴儿对广告、动画非常敏感），再之后才能逐渐地识别静态画面（比如识别人脸）。

人只有到了学会说话而后再学习文字，才真正意义上成了“人”，否则还只能称之为哺乳动物。

人类创造的文字，不仅是语言固话版本的记录，更重要的是因为文字而产生了逻辑。当用文字描述之时，不仅是在表达某种感受，而且还在描述相关的逻辑，这一点语音和视频是做不到的。反过来看也一样，人在阅读文字的时候，也不仅要识别文字本身，还要理解文字背后的逻辑关系。

对文字的理解，并不全部依赖于文字表面，还必须“脑补”背景才能完全理解含义。

通过文字的想象或联想，人在阅读时其实经历了一次知识再创新。只有再创新的知识，才可能成为自己的知识，倘若还能反复加工后输出，那就是智慧。

文字不仅能表达意思，也在表达思维逻辑，这一点视频和图片很难做到。所以，刷抖音当然可以学知识，仅仅刷抖音学习远远不够。