O livro examina por que antropólogos historicamente não utilizaram a câmera como instrumento de pesquisa nem o filme como meio de comunicar conhecimento etnográfico, oferecendo uma discussão focada nas implicações metodológicas dessa escolha.

Apresenta a tese de que imagens e palavras operam em níveis lógicos diferentes e mantêm uma relação hierárquica, na qual a escrita pode abranger as imagens produzidas pelo filme, mas o inverso não ocorre; isso ajuda o leitor a avaliar limites e alcances de cada linguagem na produção e transmissão de conhecimento etnográfico.

Relaciona o modo visual ao conceito de “descrição fina” (registro da forma do comportamento) e o modo escrito à “descrição densa” (relato de significado), oferecendo um enquadramento conceitual para pensar o que cada meio consegue registrar e explicar em estudos de cultura e comportamento.