UvA-algoritme biedt open-source inzichten in risicovol online gokgedrag

Begin 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 speldata van spelers, en dit model werd ontwikkeld door promovendus Charles de Leau in samenwerking met professoren Reinout Wiers en Johan Bollen terwijl het project financiering ontving via het Verslavingspreventiefonds van de Kansspelautoriteit.

Ontwikkeling en werking van het model

Het algoritme analyseert patronen in gameplaygegevens zoals inzetfrequentie, sessieduur en stortingsgedrag om vroege signalen van problematisch spelen te identificeren, en het bouwt voort op bestaande gedragsmodellen die onderzoekers eerder toepasten in laboratoriumsettings maar nu direct koppelen aan real-world data uit gereguleerde online casino's. Experts observeerden dat het systeem open-source beschikbaar komt zodat licentiehouders en toezichthouders het kunnen integreren in hun monitoringprocessen terwijl de Kansspelautoriteit het model direct host op haar website voor publieke toegang en verdere ontwikkeling door derden.

Financiering en institutionele context

Financiering kwam via het Verslavingspreventiefonds van de Kansspelautoriteit dat zich richt op preventie van kansspelverslaving, en dit fonds ondersteunde het project omdat data-gedreven detectie een prioriteit vormt binnen de Nederlandse regulering van online gokken sinds de invoering van de Wet Kansspelen op Afstand. Volgens de persverklaring van de universiteit leverde de samenwerking tussen de afdeling Psychologie en de Kansspelautoriteit concrete tools op die operators kunnen gebruiken om spelers met verhoogd risico sneller te signaleren en gerichte interventies te starten voordat problemen escaleren.

Toepassing in de praktijk

Het model verwerkt geanonimiseerde datasets die afkomstig zijn van gelicentieerde aanbieders en berekent een risicoscore op basis van statistische afwijkingen ten opzichte van gemiddelde spelpatronen waarbij operators deze scores kunnen combineren met bestaande verantwoord speeltools zoals limieten en zelfuitsluiting. Mensen die betrokken zijn bij de ontwikkeling benadrukken dat het algoritme geen individuele diagnoses stelt maar patronen detecteert die correleren met problematisch gedrag zoals dat blijkt uit eerder wetenschappelijk onderzoek naar kansspelverslaving. Een voorbeeld hiervan is hoe een plotselinge toename in inzetten na verliesmomenten of langere sessies zonder pauzes als indicatoren dienen terwijl het systeem flexibel genoeg blijft voor aanpassingen door gebruikers die eigen data invoeren.

De Kansspelautoriteit integreert het model in haar toezichtskader zodat toezichthouders en operators uniforme criteria hanteren bij het monitoren van spelersgedrag en dit bevordert consistentie over verschillende platforms terwijl het open-source karakter verdere validatie en verbetering door de wetenschappelijke gemeenschap mogelijk maakt. Onderzoekers testten het algoritme op historische datasets van Nederlandse spelers en vonden dat het een hoge mate van nauwkeurigheid bereikte bij het voorspellen van spelers die later zelfuitsluiting aanvroegen of verhoogde limieten instelden.

Betekenis voor de sector en toekomstige stappen

Met de publicatie in augustus 2026 krijgen alle gelicentieerde online casino's toegang tot een gestandaardiseerde methode die hen helpt bij het voldoen aan wettelijke verplichtingen rond verslavingspreventie en dit komt op een moment waarop de Kansspelautoriteit steeds meer nadruk legt op data-gedreven toezicht. De open-source aanpak zorgt ervoor dat kleinere operators zonder eigen onderzoekscapaciteit toch geavanceerde tools kunnen inzetten terwijl grotere partijen het model kunnen aanpassen aan hun specifieke datasets en feedbackloops creëren voor continue verbetering. De volledige persverklaring bevat technische details over de algoritmische architectuur en validatiemethoden die onderzoekers toepasten tijdens de ontwikkeling.

Conclusie

Het open-source algoritme van de Universiteit van Amsterdam levert een concrete bijdrage aan de vroege detectie van risicovol gokgedrag en positioneert Nederland als koploper in evidence-based regulering van online kansspelen waarbij de samenwerking tussen academici, toezichthouders en de sector zorgt voor praktische toepassingen die direct impact hebben op spelersbescherming. De hosting op de website van de Kansspelautoriteit garandeert brede toegankelijkheid en stimuleert verdere innovatie binnen het veld terwijl het project aantoont hoe gerichte financiering via het Verslavingspreventiefonds meetbare resultaten oplevert in de preventie van kansspelproblemen.