Dass Sie nicht hiemlich überwachen wollen, war mir schon klar (zumindest hatte ich das gehofft). Aber ich wollte Ihnen nochmal verdeutlichen, weshalb die Browser das technisch erschweren.
Also, der Ablauf wäre folgender: Per JavaScript (da müssen Sie sich ein wenig durchbeißen ... die Fragevorlage in SoSci Survey bietet ja eine gute Basis) wird erstmal die Ressource (Video+AUdio) angefragt. Dann sehen die Befragten im Browser eine entsprechende Aufforderung. Wenn sie diese bestätigen, kann die Fragebogen-Seite (und nur diese) die Aufnahme nutzen.
Wann sie dann startet - ob auf Knopfdruck, wie in der Fragevorlage implementiert, oder zeitgesteuert über ein window.setTimeout() oder wenn eine bestimmte Antwortoption auf der Seite angeklickt wird, das können Sie dann flexibel entscheiden.
Wie gesagt: Sie werden nicht umhin kommen, sich ein wenig mit JavaScript vertraut zu machen.