一部民族志电影包含的基本要素
一部民族志电影至少包含三个要素，即影、音、文字。
所谓影，也即图像。民族志电影中的图像，既可能是手绘而来的图像，也可能是摄影术发明之后的照片，也可能是1895年电影摄影机发明之后的活动影像，也可能是依赖计算机软件合成的静态或动态图像。
所谓音，也即声音。民族志电影中的声音，包含人声和其他动物（如鸟类、昆虫等）发出的声音，风声雨声雷声等自然界中的各种物发出的声音，人类的行为动作引发的声音，人类创造的机械机器等人造物发出的声音等。从影视人类学的影音实践过程来看，既包括影音记录过程中记录下来的同期声，也包括在民族志电影的后期剪辑过程中才添加的声音。画外音、旁白、音乐等都属于后期添加进影片的声音。
民族志电影中的文字，既包括影音记录时就包含在图像中的文字，也包括后期剪辑时通过软件添加到影片中的文字。后期剪辑时添加的文字包括：
民族志电影的片名。早期电影中放在两个镜头画面之间，标注人物对话或对人物行为进行说明的插卡字幕（Title cand或Inter title，也叫幕间字幕）。
标注片中人物说话内容的对白字幕。把人物说话的内容以文字的形式录下来，做成字幕，放到片中人物说话时所在的位置，以帮助那些听不懂对话的人理解对话的内容。对白字幕中的文字可以被翻译成不同的文字，比如中文、英文、法文、德文等，于是有了中文版、英文版、法文版等。
标注人物基本信息的说明性文字字幕。比如人物姓名、年龄、工作单位、职务等信息。比如：张三强，黄尾村人，37岁。
标注事件发生的时间和地点等基本信息的说明性文字字幕。比如：2021年8月8日上午9点；2021年5月6日，云南大理古城；2021年石林彝族自治县月湖村，火把节。
用来向观者解释某文化事项内涵的长篇说明性文字字幕。对影片中涉及的一个节日的传说、过程、社会功能等进行解释的文字，就属于此种类型。通常包含较多的文字，注重较全面地对事件过程进行描述，对文化的内涵进行概括性提纲挈领地解释。
民族志电影的片尾字幕，也即民族志电影结尾部分的字幕。其内容通常包括需要感谢的人物的姓名，需要感谢的单位的名称，实地影音记录者的姓名，实地影音记录中录音师的姓名，剪辑者的姓名，画外音配音者的姓名，字幕制作者的姓名，场记工作人员姓名，对白字幕翻译者的姓名，片中使用的音乐的出处，民族志电影版权所有者的信息，影片完成的时间等。
从构成形式看，一部完整的民族志电影是由一个或若干个镜头组成的。一个能够表达完整意义的镜头可以构成一部民族志电影，若干个镜头合起来表达完整的意义也可以组成一部民族志电影。镜头由影和音组成，这是几乎不会受到质疑的观点。不过，应该同时把文字作为镜头的一个部分来看待，这样才能更好地理解民族志电影的意义表达。