ปรากฏการณ์แม็คเกอร์กบางครั้งเรียกว่า ปรากฏการณ์แม็คเกอร์-แม็คโดนัลด์ (McGurk-MacDonald effect) เพราะแฮร์รี แม็คเกอร์ก และจอห์น แม็คโดนัลด์ ได้พรรณนาถึงปรากฏการณ์นี้เป็นครั้งแรกในปี ค.ศ. 1976 ในผลงานวิจัยมีชื่อว่า "การได้ยินปาก และการเห็นเสียง (Hearing Lips and Seeing Voices) "[5]ปรากฏการณ์นี้ค้นพบโดยบังเอิญ เมื่อแม็คเกอร์กและผู้ช่วยงานวิจัยของเขาคือแม็คโดนัลด์ ขอให้ช่างเทคนิคช่วยอัดเสียงทับวิดีโอโดยใช้เสียงพยางค์ที่ต่างจากคำที่พูดในวิดีโอ โดยเป็นงานวิจัยเพื่อค้นคว้าการรับรู้ภาษาของเด็กทารกในระดับพัฒนาการต่าง ๆ แต่เมื่อเล่นวิดีโอนั้น นักวิจัยทั้งสองกลับรับรู้เสียงของพยางค์ที่สาม ที่ไม่ใช่เสียงของพยางค์ที่ใช้อัดทับ หรือของพยางค์ที่พูดในวิดีโอ[6]

ปรากฏการณ์นี้ประสบได้เมื่อวิดีโอมีรูปที่กล่าวเสียงของพยางค์หนึ่ง แล้วอัดทับเสียงด้วยเสียงจากอีกพยางค์หนึ่ง บ่อยครั้ง พยางค์ที่ผู้ดูวิดีโอรับรู้กลับเป็นพยางค์ที่สามที่มีเสียงคล้ายกับพยางค์สองพยางค์แรก ยกตัวอย่างเช่น ถ้าใช้เสียงอัดทับว่า บา-บา (/ba-ba/) ในวิดีโอที่มีการกล่าวว่า กา-กา (/ga-ga/) เสียงที่รับรู้กลับเป็น ดา-ดา (/da-da/)แม็คเกอร์กและแม็คโดนัลด์ตอนแรกเชื่อว่า นี้เป็นผลเกิดจากคุณสมบัติเกี่ยวกับเสียงพูดและการเห็นการเปล่งเสียงของอักษร บ (/b/) และอักษร ก (/g/) ที่คล้ายกัน[7] มีการรับรู้ที่ผิดไปจากความจริง 2 แบบที่เกิดขึ้นจากตัวกระตุ้นทางตาและทางหูที่ไม่คล้องจองกัน คือแบบหลอมรวมกัน (อังกฤษ: fusion) เช่นเสียง 'บา' มีรูปพูดว่า 'กา' ทำให้รับรู้ว่า 'ดา') และแบบผสมผสานกัน (อังกฤษ: combination) เช่นเสียง 'กา' และรูปพูดว่า 'บา' ทำให้รับรู้ว่า 'บะกา')[8]เพราะว่า ข้อมูลจากตาและจากหูขัดแย้งกัน การรับรู้ที่ผิดไปจากความจริงนี้จึงเป็นผลงานของสมองที่ทำการแปลข้อมูลที่ได้รับด้วยการเดาที่ดีที่สุด[9] แต่ในกรณีนี้ ข้อมูลทางตามีอิทธิพลมากกว่าข้อมูลเสียงในการประมวลผลในสมอง ดังนั้นจึงก่อให้เกิดการหลอมรวมกันและการผสมผสานกันของข้อมูลจากประสาททั้งสองทาง[9]

การเห็นเป็นทางประสาทที่สำคัญที่สุดในมนุษย์[2] และการรับรู้คำพูดต้องอาศัยทางประสาทหลายทาง (multimodal) โดยเฉพาะคือ จากการได้ยินและจากการเห็นปรากฏการณ์แม็คเกอร์กเกิดขึ้นในการประมวลผลโดยพยางค์ เพราะว่า การประสานกันระหว่างข้อมูลทางหูและข้อมูลทางตาเกิดขึ้นในขั้นต้น ๆ ของการรับรู้คำพูด[7][10] ปรากฏการณ์นี้มีกำลังมาก ถึงแม้ว่าบุคคลจะทราบถึงปรากฏการณ์นี้ แต่ก็ยังประสบกับปรากฏการณ์นี้อยู่ คือความรู้เกี่ยวกับปรากฏการณ์ไม่มีผลอะไรต่อการรับรู้นี้ต่างจากเทคนิคการหลอกการรับรู้ประเภทอื่น ๆ ซึ่งจะไม่มีผลอะไรเมื่อบุคคลทราบถึงเทคนิคนั้นแล้ว แม้นักวิจัยบางพวกที่ได้ทำการค้นคว้าวิจัยประสบการณ์นี้มามากว่า 20 ปี ก็ยังประสบกับปรากฏการณ์นี้แม้จะรู้ดีว่าอะไรจริง ๆ เกิดขึ้นอยู่[8][11]

คนโดยมากมีความสามารถจำกัดในการที่จะรับรู้คำพูดโดยอาศัยตาเพียงทางเดียว ยกเว้นบุคคลที่สามารถอ่านคำพูดจากปากได้[2] แต่ปรากฏการณ์ที่เกิดขึ้นบ่อย ๆ ก็คือความสามารถในการเข้าใจคำพูดในระดับที่เพิ่มขึ้นในสิ่งแวดล้อมที่มีเสียงอึกทึก โดยอาศัยการเห็นท่าทางของผู้พูด[2]นอกจากนั้นแล้ว การเห็นการเปล่งเสียงยังสามารถเปลี่ยนการรับรู้เสียงแม้ที่ชัดเจนดี เมื่อการเปล่งเสียงที่เห็นนั้นแตกต่างจากคำพูดที่ได้ยิน[2] โดยปกติแล้ว เราเข้าใจการรับรู้คำพูดว่า เป็นการประมวลผลทางการได้ยิน[2] แต่ความหลงผิดที่ประสบในปรากฏการณ์นี้เกิดขึ้นอย่างรวดเร็ว โดยอัตโนมัติ และไม่ได้อยู่ใต้อำนาจจิตใจโดยมาก[11] ดังนั้นจึงเห็นได้ว่า การรับรู้คำพูดนั้น ไม่ใช่อาศัยการได้ยินเพียงเท่านั้น[11] แต่ต้องอาศัยทางประสาทหลายทางที่ทำงานร่วม ๆ กันรวมทั้งการเห็น การถูกต้องสัมผัส (ใบหน้าที่กำลังพูด) และการได้ยินสมองบ่อยครั้งไม่มีความตระหนักถึงทางประสาทของข้อมูลที่รับรู้[11] ดังนั้น สมองจึงไม่สามารถแยกแยะว่าคำพูดที่รับรู้นั้น มาจากการได้ยินหรือการเห็น[11]

นอกจากงานวิจัยที่กล่าวถึงไปแล้ว ยังมีการศึกษาปรากฏการณ์นี้ในการให้การของพยานด้วย แวร์แฮ็มและไรท์ทำงานวิจัยในปี ค.ศ. 2005 ที่แสดงว่า ข้อมูลทางตาที่ไม่คล้องจองกับเสียงที่พูดสามารถเปลี่ยนการรับรู้คำพูดที่ได้ยิน จึงบอกเป็นนัยว่า ประสบการณ์นี้อาจจะมีอิทธิพลต่อการรับรู้คำพูดในชีวิตประจำวัน และไม่ใช่โดยเพียงพยางค์ที่ได้ยินอย่างเดียวเท่านั้น แต่สามารถเป็นได้โดยทั้งคำ[7][12] และมีผลต่อการปฏิสัมพันธ์กับผู้อื่นที่เราไม่ตระหนักรู้

งานวิจัยเกี่ยวกับปรากฏการณ์นี้สามารถให้ข้อมูลไม่ใช่ในเรื่องทฤษฎีเพียงอย่างเดียวเท่านั้น แต่ยังสามารถให้ความรู้เกี่ยวกับการเยียวยาและวินิจฉัยโรคที่เกี่ยวข้องกับปัญหาการประสานข้อมูลทางตาและทางหูเพื่อรับรู้คำพูด[13]