影視藝術的文藝學結構形態是由編劇、導演、攝像、剪輯等影視藝術創作人員創造生成的一種藝術結構形態，一般來說，稱它為“影視藝術文本結構”。它沒有被強加上影視藝術鑒賞者的審美結構語言，因而，它不是“影視藝術本文結構”，與審美學形態的影視藝術結構不同。影視藝術的文藝學結構是按照影視藝術文法，將影視藝術影像符號，組織成鏡頭、分節、段落等聯結樣式的存在狀態。從本質上來說，它是一種普遍的影視藝術結構樣式，針對所有影視藝術鑒賞者，而不針對個體，它是靠著影視藝術創作者（而非鑒賞者）的整體力量形成的整體語言模式。因此，它負載的是創作信息，而非審美信息。
傳統的文藝理論觀點認為，影視藝術的文藝學結構是其創作者反映社會生活、表現影視藝術主題，傳達影視藝術思想，展開影視藝術情節，塑造影視藝術形象的重要手段。它使影視藝術作品由一堆散亂的素材，變成一個和諧的整體。誠如著名導演愛森斯坦所說：“結構糟糕的電影情節大廈，不會有壓死觀眾的危險，但它卻可能引不起任何印象而自己‘垮掉’。”“如果一種影片中充滿了良好的建築材料，但是卻沒有組成一個建築藝術的整體，沒有得到工程技術上合理的安排，那麽就不必指望有什麽‘不可抗拒的感染力’”。[1]由此可見，結構是影視藝術作品的重要因素。在研究影視藝術結構時，庫裏肖夫認為：“每一種藝術首先必須有素材，其次是組織這種素材的方法，而這種方法必須特別適合於這種藝術。”[2]按照普多夫金的解釋：“庫裏肖夫主張電影工作的素材就是影片的片斷，而構成的方法則是按著一種特殊的、創造性地發現的次序把片斷連接起來”。[3]自然，這連接起來的“東西”就是“結構”。影視藝術創作過程中，由於結構不同而導致的影視藝術文本有差異的例子比比皆是，這就是為什麽在有些情況下，必須重剪片子的原因，也是麵對同樣的素材，剪輯高手總能剪出不同品位文本的深層原因。