La amplia gama de contenido dentro de las plataformas de software educativo puede a menudo abrumar a los estudiantes, dejándolos inseguros sobre qué materiales abordar. En este contexto, los sistemas de recomendación ofrecen un apoyo significativo al personalizar el contenido entregado a los estudiantes, aliviando la confusión y mejorando la experiencia de aprendizaje. Con este fin, este documento presenta un enfoque novedoso para recomendar contenido educativo adecuado a los estudiantes mediante el uso de gráficos de conocimiento. En nuestro enfoque, el gráfico de conocimiento abarca a los estudiantes, entidades educativas y las relaciones entre ellos, creando un marco interconectado que impulsa recomendaciones personalizadas de contenido de e-learning. Además, el gráfico de conocimiento presentado ha sido enriquecido con señales contextuales que se refieren a diversas características de los estudiantes, como el nivel de conocimiento previo, el estilo de aprendizaje y los objetivos de aprendizaje actuales. Para refinar el proceso de recomendación, se empleó la técnica de similitud coseno para cuantificar la semejanza entre las preferencias de un estudiante y los atributos de las entidades educativas dentro del gráfico de conocimiento. La metodología anterior se incorporó en un sistema de tutoría inteligente para aprender el lenguaje de programación Java para recomendar contenido a los estudiantes. El software fue evaluado con resultados muy prometedores.