Gran parte de la investigación en el área de Sistemas de Recomendación (RS: Recommender Systems) se centra en el estudio de técnicas de recomendación, estas técnicas son dependientes del dominio de aplicación, de la efectividad de la técnica, así como de las métricas para poder evaluarlas. Sin embargo, el estudio de las técnicas de explicación en sistemas de recomendación ha tomado relevancia ya que han demostrado que mejoran la experiencia del usuario. Utilizar estilos de explicación en un sistema de recomendación ayuda al usuario a entender más rápido la información que le proporciona un RS y a decidir si existe suficiente evidencia para tomar una recomendación como válida, auxiliándolo en el proceso de toma de decisiones. Además, los estilos de explicación proponen varios objetivos como la transparencia, la eficacia, la satisfacción, la persuasión, la eficiencia, la confianza, entre otros. En esta tesis se diseñó una metodología para construir texto explicativo que depende de la técnica de recomendación y de sus objetivos, esta metodología de explicación proporciona una guía para explicaciones textuales utilizando plantillas con campos variables. Dicha metodología se evalúo en un (CARS: Context-Aware Recommender System) sistema de recomendación sensible al contexto (T-Guia, González 2012) que en su primera versión no cuenta con un servicio para generar explicaciones. Para evaluar la metodología desarrollada en esta tesis, se aplicaron cuestionarios a usuarios reales, la evaluación de las técnicas de explicación se realizó mediante un prototipo Web que permitió realizar una evaluación centrada en el usuario (UCE: user- centered evaluation) para medir el impacto de las explicaciones en la métrica de confianza. Los resultados demostraron que las explicaciones mediante plantillas explicativas combinadas con imágenes obtuvieron mejores evaluaciones en comparación con las explicaciones presentadas mediante mapas mentales y mapas conceptuales, los resultados obtenidos fueron los siguientes: Explicaciones textuales con una comprensión de 84.71% y confianza de 85.25%, explicaciones mediante mapas mentales con una comprensión de 82.00% y confianza de 80.42% y las explicaciones mediante mapas conceptuales con una comprensión de 76.10% y confianza de 75.50%.