Präsentation, die aus visuell-räumlicher Information zusammen mit darauf bezogener sprachlicher Information besteht, ermöglicht ein vertiefteres Verständnis für Zusammenhänge als eine Präsentation, die entweder nur aus Text oder nur aus Bildern besteht.
Wird mit Texten und Bildern gelernt, so sollte sich dies folglich sowohl in einem verbalen mentalen als auch in einem bildhaften mentalen Modell niederschlagen, die zu einem integrierten mentalen Modell zusammengeführt werden können.
Die typischen Multimedia-Präsentationen sind kurz (zwei bis fünf Minuten, 200 bis 500 Wörter) und behandeln naturwissenschaftliche und technische Themen. Die gezeigten Bilder haben eine wichtige Lernfunktion und zeigen relevante räumliche Strukturen, Zusammenhänge und Veränderungen am Lerngegenstand.