По контрасту с этим, некритическое восприятие речи и видео - real time loosely coupled, то есть расписание восприятия внешнее, но мы этому же расписанию позволяем глушить все побочные связи между подпроцессами. Собственно, это глушение и есть важный элемент художественного восприятия, "suspension of disbelief".
А критическое восприятие письменного текста - tight coupling, но не real time, и можно спокойно завершить все подпроцессы, и подключить медленные внешние обработчики когда надо ("правда ли А - проверим в 3 источниках в сети").
На эту фундаментальную проблему накладывается специфическая проблема homo sapiens в суперсвязанном мире. Как homo sapiens, мы сотни тысяч лет адаптировались убедительно манипулировать друг другом мимикой и голосом и столько же времени адаптировались эту манипуляцию распознавать. И то и другое кому-то из нас удается плохо, кому-то хорошо, а единицам - феноменально хорошо. В суперсвязанном мире, типичный процесс просмотра видео - это когда медианный распознаватель просматривает видео от команды высокопрофессиональных супер манипуляторов. Мы развили в последние пару тысяч лет аппараты защиты от манипуляций - формальную логику, модели, покрытие тестами - но они завязаны на письменный высокоструктурированный текст.
Поэтому переходящие к чисто голосовому/видео восприятию информации по довольно фундаментальным причинам переходят на некритическое восприятие информации. Что для многих, может быть, и неплохо, и смеяться они могут много, но не стоит заблуждаться, кто тут товар, а кто продавец.