摘要：Los recursos educativos almacenados en repositorios digitales requieren de metadatos que los describan adecuadamente y son fundamentales en procesos de búsqueda y recuperación. El objetivo de este artículo es realizar una aproximación al cálculo y evaluación de métricas que permitan determinar el nivel de calidad del etiquetado de recursos digitales, específicamente de Objetos de Aprendizaje (OAs). El enfoque adoptado establece cómo evaluar los recursos teniendo en cuenta tres dimensiones: completitud, consistencia y coherencia, con base en el estándar IEEE LOM. Con el fin de validar los resultados obtenidos al aplicar las métricas se realizaron pruebas experimentales con OAs sintéticos y reales, concluyendo que las mismas permiten evaluar la calidad de los metadatos involucrados. De esta manera, la propuesta presentada se convierte en un insumo relevante para procesos de evaluación automática de metadatos, así como para la administración de repositorios y procesos de recomendación de OAs. Palabras Clave: recursos digitales, objetos de aprendizaje, repositorios, metadatos, métricas de calidad Assessing Metadata Quality in Digital Repositories of Learning Objects Abstract Educational digital resources stored in repositories require metadata in order to describe them properly, and are fundamental for searching and retrieval processes. The aim of this paper is to present an approach for the calculation of metrics that determine the quality level of labeling digital resources, specifically Learning Objects (LOs). We describe how to evaluate resources considering three dimensions such as completeness, consistency and coherence, based on the standard IEEE LOM. In order to validate the results that such metrics exhibit, some experimental tests were performed with synthetic and real OAs, concluding that they allows evaluating the quality of the metadata involved. This way, the proposal presented turns to be a plausible and relevant input for the automatic evaluation of metadata, as well as for the LOs repository management and recommendation processes. Keywords: digital resources, learning objects, repositories, metadata, quality metrics
