El aumento explosivo en los datos educativos y los sistemas de información ha llevado a nuevas prácticas de enseñanza, desafíos y procesos de aprendizaje. Para gestionar y analizar esta información de manera efectiva, es crucial adoptar metodologías y técnicas innovadoras. Los sistemas de recomendación (RS) ofrecen una solución para asesorar a los estudiantes y guiar sus trayectorias de aprendizaje mediante el uso de métodos estadísticos como el aprendizaje automático (ML) y el análisis de grafos para analizar los datos del programa y del estudiante. Este documento presenta un RS para asesores y estudiantes que analiza los registros de los estudiantes para desarrollar planes de estudio personalizados durante varios semestres. El sistema propuesto integra ideas de la teoría de grafos, modelado de rendimiento, ML, recomendaciones explicables y una interfaz de usuario intuitiva. El sistema implementa implícitamente muchas reglas académicas a través del análisis de redes. En consecuencia, fue posible realizar una revisión sistemática y exhaustiva de los planes de diferentes estudiantes utilizando métricas desarrolladas en la teoría matemática de grafos. El sistema propuesto evalúa y mide sistemáticamente la relevancia del plan de estudios de un estudiante en particular. Los experimentos en conjuntos de datos recopilados en la Universidad de Dubai muestran que el modelo presentado en este estudio supera a soluciones similares basadas en ML en términos de diferentes métricas. Típicamente, se ha logrado hasta un 86% de precisión y recuperación. Además, se ha alcanzado la tasa más baja de regresión cuadrática media (MSR) de 0.14 en comparación con otros regresores de vanguardia.