Neste trabalho, propõe-se uma investigação acerca da identificação de indicadores de evasão de alunos em cursos de uma instituição de ensino técnico e tecnológico por meio de técnicas de mineração de dados, para auxiliar as partes interessadas (professores, gestores, etc) na tomada de decisão. Como parte da pesquisa, foi desenvolvida uma ferramenta para identificar relações em dados de alunos sobre o desempenho de aprendizagem. Estes dados foram submetidos a técnicas de mineração de dados para geração de modelos preditivos. Os modelos baseados em árvore de decisão, especificamente, o XGboost, obtiveram os melhores desempenhos para classificar um aluno como possível evadido. Os modelos alcançaram precisão e sensibilidade de 96% e 83% respectivamente.