En la actualidad existe una amplia diversidad de repositorios que brindan recursos digitales para la educación en forma de objetos de aprendizaje. Sin embargo, la mayoría de estos sistemas se centran más en la organización e indexado de estos objetos que en los métodos de búsqueda y selección de los objetos. Esto reduce la posibilidad de ofrecer los objetos de aprendizaje más apropiados a las necesidades tanto de usuarios particulares como de grupos de usuarios. Para solucionar este problema en esta tesis se propone un modelo híbrido de recomendación de objetos de aprendizaje, el cual se basa en fuentes de información provenientes de los metadatos asociados a los objetos, los perfiles de registro de los usuarios, así como también, de la interacción que se produce entre los usuarios y los propios objetos. El modelo desarrollado abarca mecanismos de búsqueda individual y colaborativa. Por un lado, la búsqueda individual permite personalizar la búsqueda utilizando cuatro criterios de recomendación basados en: similitud de contenido, uso, evaluación y similitud de perfil de usuario. Además se utilizan pesos adaptativos y dinámicos, que permiten modificar automáticamente sus valores de acuerdo a la densidad de información disponible sobre cada criterio de filtrado. Por otro lado, en la búsqueda colaborativa se propone facilitar a los miembros de un mismo grupo, poder realizar las actividades más frecuentes como la petición, la recuperación, la incorporación, y valoración de los objetos de acuerdo a los intereses del grupo. Además, en el modelo se implementan estrategias de agregación de votaciones y técnicas de meta-aprendizaje para obtener de forma automática las valoraciones finales sin necesidad de tener que llegar a un consenso. El modelo se implementó en el sistema DELPHOS, con el que se han realizado pruebas experimentales con profesores y alumnos para mostrar la efectividad tanto del modelo híbrido propuesto como de las recomendaciones individuales y de grupo.