Open-source algoritme van UvA detecteert risicovol gokgedrag via speelpatronen

In augustus 2026 presenteerden onderzoekers van de Universiteit van Amsterdam een open-source algoritme dat risicovol gokgedrag bij online casino’s inschat op basis van daadwerkelijke speelpatronen en daarbij vroege signalen van problematisch spelen zichtbaar maakt terwijl spelers doorgaan met hun gebruikelijke activiteiten. Het model analyseert gegevens zoals inlogfrequentie, inzetbedragen, sessieduur en herstelpogingen na verliezen, waarna het een risicoscore genereert die operators en toezichthouders kunnen gebruiken voor gerichte interventies.

Ontwikkeling en betrokken partijen

Charles de Leau, promovendus aan de UvA, leidde het project samen met hoogleraren Reinout Wiers en Johan Bollen terwijl zij werkten aan een transparant hulpmiddel dat geen black-box blijft maar openbaar toegankelijk wordt gemaakt. De Kansspelautoriteit financierde het onderzoek via het Verslavingspreventiefonds en plaatste het algoritme vervolgens op haar website zodat elke vergunde aanbieder het kan downloaden en toepassen zonder extra kosten of licentiebeperkingen.

Het model bouwt voort op bestaande literatuur over gedragsanalyse in kansspelen en combineert machine-learning technieken met psychologische indicatoren die al eerder in klinische settings werden gevalideerd. Tijdens tests op geanonimiseerde datasets van Nederlandse operators bleek het algoritme patronen te herkennen die overeenkomen met bekende risicofactoren zoals snelle escalatie van inzetten en verminderde pauzes tussen sessies.

Beschikbaarheid en technische details

De Kansspelautoriteit publiceerde het algoritme als downloadbaar pakket met bijbehorende documentatie en voorbeeldcode zodat ontwikkelaars het direct kunnen integreren in bestaande monitoringsystemen. Operators kunnen de tool gebruiken om dagelijkse rapportages te genereren die individuele spelers classificeren op een schaal van laag naar hoog risico en daarbij voldoen aan de wettelijke verplichting tot vroegtijdige detectie van verslavingsgedrag.

Technische specificaties tonen dat het model werkt met gestandaardiseerde variabelen die elke legale aanbieder al registreert, waardoor implementatie geen extra data-infrastructuur vereist. De broncode ligt open zodat onafhankelijke onderzoekers het kunnen auditen en aanpassen aan toekomstige inzichten uit de verslavingswetenschap.

Toepassing in de praktijk

Vergunde online casino’s kunnen het algoritme inzetten als aanvulling op bestaande verantwoord speelprogramma’s en daarbij concrete acties koppelen aan de uitkomsten zoals tijdelijke limietverhogingen weigeren of spelers doorverwijzen naar hulporganisaties. De Kansspelautoriteit benadrukt dat het instrument geen vervanging vormt voor menselijke beoordeling maar een extra laag vormt in het toezichtproces dat al in augustus 2026 operationeel werd gemaakt.

Verschillende partijen hebben aangegeven het model te zullen testen in de komende maanden en de resultaten te delen met de toezichthouder zodat verdere verfijning mogelijk wordt. Het open karakter maakt het bovendien mogelijk voor academici en beleidsmakers om statistieken te vergelijken over verschillende markten en daarmee bredere trends in risicogedrag zichtbaar te maken.

Conclusie

Het open-source algoritme dat in augustus 2026 door de Universiteit van Amsterdam werd gepresenteerd, biedt een concrete, transparante methode om risicovol online gokgedrag te signaleren en vormt daarmee een nieuwe bouwsteen binnen het Nederlandse verslavingspreventiesysteem. De tool is direct beschikbaar via de website van de Kansspelautoriteit en wordt ondersteund door een persbericht van de UvA waarin de technische achtergrond en validatiestappen nader worden toegelicht.