De fleste liker ikke å se og høre seg selv. Og det er ofte dette som er problemet for mange lærere i oppstarten med Flipped Classroom. Men de fleste skjønner den pedagogiske gevinsten med å legge på et kommenterende lydspor på en Screencast. Selv om de ikke liker å høre sin egen stemme, skjønner de fleste at potensialet fra å lære fra en video er bedre enn om man bruke flere sanser. Synssansen og hørselssansen er bedre enn synssansen alene. En video med informasjonsplakater, som i stumfilmen, fungerer bedre enn video uten. Men fungerer likevel dårligere en kombinasjonen av syn og hørsel.

Mange nybegynnere velger kanskje musikk i lydsporet. Dette er ikke å anbefale. Ofte knytter det seg et opphavsrettsproblematik til videoer med musikk som publiseres på Internett. Men det viktigst argumentet er at musikken kan være forstyrrende i forhold til kommunikasjonen man ønsker å oppnå i videoen.

Lærere står foran studenter hver dag, men å se seg selv på video liker ikke de fleste. Og derfor dropper man ofte Talking Head. Talking Head er en videorute med en person som forklarer et budskap. Ofte ser du bare hode og overkroppen på personen. Du ser daglig et Talking Head av nyhetsoppleseren som leser opp nyhetene i et nyhetsprogram.

I forbindelse med undervisningsvideoer kan vi bruke Talking head om en lærer som sitter midt i et videobilde oh forklarer, eller om et lite videobilde av en lærer som forklarer som del av et større bilde.

Forskning dokumenterer faktisk at studentene ser lengre på videoer med et Talking Head av lærer, enn uten. Elever ønsker helst sin personlige lærer som Talking head, da de er i en personlig læringsrelasjon til «sin» lærer.