O texto multimodal é uma realidade no mundo atual, desde a mídia de grande circulação à Internet. O uso de múltiplas modalidades em sala de aula é freqüente, através de recursos como filmes, músicas, e imagens, entre muitos outros. O objetivo deste trabalho é observar o uso de textos multimodais na sala de aula de língua inglesa, assim como na escolha do professor no uso deste ou aquele texto multimodal, de modo que possamos ter uma visão, mesmo que parcial, do papel do texto multimodal no ensino de inglês nesse ambiente, em termos de (1) a visão do professor sobre os objetos de ensino e (2) o texto multimodal em relação aos outros recursos pedagógicos. O trabalho tem duas dimensões que se complementam: a visão teórica sobre a imagem e a visão que tange a pedagogia para o ensino de língua, por uma abordagem multimodal. A perspectiva teórica multimodal do estudo se baseou na teoria da gramática do design visual proposta por Kress e van Leeuwen (1996 e 2001) e em estudos de comunicação visual (Santaella, 2004; Sturken & Cartwright, 2001). A perspectiva multimodal no ensino é pautada pelos trabalhos de Oliveira (2003), Unsworth (2001) e Royce (2002). O estudo discute: (1) o uso das imagens no material didático e a visão das professoras desse uso, e (2) a proposta de levar aprendizes e docentes a se capacitarem a ler textos multimodais, de modo a adquirir a competência comunicativa multimodal.