A modalitások közötti multitasking,1 amikor az egyik feladat vizuális, a másik auditoros, kutatási szempontból azért érdekes, mert a figyelmi feldolgozás során használt mechanizmusok modalitásspecifikusságáról is árulkodik. Gondoljunk vissza a 3. fejezetben tárgyalt szekvenciális és folyamatos feldolgozási modellekre. A korai vizsgálatok során, az 1980-as években felmerült annak lehetősége, hogy a figyelem hatékonyan felosztható a vizuális és az auditoros feladatok között, mert a vizuális és az auditoros események feldolgozásának alapjául szolgáló mechanizmusok különálló és egymástól független, modalitásspecifikus figyelmi erőforrásokra támaszkodnak (többféle erőforrás modell). Ez viszonylag hamar cáfolásra került. Az 1990-es évek második felében végzett számos kutatás (Driver–Spence, 1998; Gherri–Eimer, 2011; Spence–Driver, 1996) során olyan eredményeket találtak, amelyek nem egyeztethetők össze a kettős feladathelyzet teljesítményének többféle erőforrás modelljével. Ennek ellenére mégsem lehet teljes bizonyossággal elvetni, hogy léteznek modalitásspecifikus kapacitások; hiszen a Baddeley-féle munkamemória-koncepcióban a mai napig vannak modalitásspecifikus alrendszerek (fonológiai hurok és téri-vizuális vázlattömb), amelyek egymástól függetlenül terhelhetők (Baddeley et al., 2019). Az elméleti vitától függetlenül a vizuo-auditoros dual-task azért is lett kedvelt kérdéskör, mert számos gyakorlati aspektussal rendelkezik, amelyek közül az egyik extenzíven (és a mai napig aktívan) vizsgált az autóvezetés közbeni rádióhallgatás, telefonálás, beszélgetés stb.