Este estudo aborda a dificuldade de analisar indicadores do engajamento dos estudantes em atividades de ensino-aprendizagem online. Foi analisado o desempenho de diferentes algoritmos de Aprendizagem de Máquina (AM), combinados com estratégias de comitês de classificadores heterogêneos e homogêneos, para identificar as abordagens mais eficazes na previsão dos níveis de interação dos estudantes. Os resultados indicam que o comitê Boosting com os algoritmos Máquina de Vetor de Suporte (MVS) e Árvore de Decisão (AD) apresentaram melhor desempenho. Esta estratégia de AM pode ajudar a identificar indicadores do engajamento em atividades do aprendizado online. Neste sentido, as combinações dos classificadores foram aplicadas para análise e apresentação dos indicadores de interação para apoiar tutores humanos na promoção do engajamento estudantil.