Open-source algoritme van UvA signaleert risicovol speelgedrag bij online kansspelen
Open-source algoritme van UvA signaleert risicovol speelgedrag bij online kansspelen
De Universiteit van Amsterdam heeft een open-source algoritme ontwikkeld dat risicovol speelgedrag bij online casino's inschat op basis van concrete gameplay-data en dit model is sinds kort beschikbaar via de website van de Kansspelautoriteit; het project werd geleid door promovendus Charles de Leau samen met hoogleraren Reinout Wiers en Johan Bollen terwijl de financiering afkomstig was uit het Verslavingspreventiefonds van de Ksa.
Ontwikkeling en achtergrond van het model
Het algoritme analyseert patronen in spelersdata zoals sessieduur, inzetfrequentie en stortingsgedrag om vroege signalen van mogelijk problematisch gokken te identificeren, en omdat het open-source is kunnen toezichthouders, operators en onderzoekers het direct inzetten of aanpassen zonder licentiekosten. Volgens de publicatie op de Ksa-site biedt het model een transparante methode voor vroegtijdige detectie en dat maakt het bijzonder geschikt voor preventieve maatregelen in de gereguleerde Nederlandse markt.
Charles de Leau verzamelde en verwerkte grote hoeveelheden anonieme gameplay-data terwijl hij werkte onder begeleiding van Wiers en Bollen, en het resulterende model werd vervolgens getest op nauwkeurigheid voordat het openbaar werd gemaakt. De aanpak combineert machine-learning technieken met psychologische inzichten uit eerdere studies naar gokverslaving waardoor het niet alleen statistische afwijkingen detecteert maar ook contextuele factoren meeneemt.
Toepassing door de Kansspelautoriteit
De Ksa heeft het algoritme direct op haar website geplaatst zodat alle vergunde aanbieders en andere belanghebbenden er vrij gebruik van kunnen maken en dit past binnen het bredere beleid van de toezichthouder om verslavingspreventie te versterken met evidence-based tools. Omdat het model open-source is kunnen partijen het integreren in hun eigen monitoringssystemen terwijl de Ksa zelf ook gebruikmaakt van de resultaten om toezicht te houden op de markt.
In augustus 2026 werd het instrument verder onder de aandacht gebracht tijdens diverse bijeenkomsten met branchepartijen en dat leidde tot bredere adoptie onder operators die hun interne controles willen aanscherpen. Het Verslavingspreventiefonds dat de financiering verzorgde is specifiek bedoeld voor projecten die bijdragen aan het verminderen van gokgerelateerde schade en dit algoritme is een concreet voorbeeld van hoe dat fonds wordt ingezet.
Technische kenmerken en werking
Het algoritme verwerkt variabelen zoals speelduur, frequentie van inzetten, patronen in stortingen en opnames en zet die om in een risicoscore die operators kan helpen om tijdig in te grijpen. Omdat de broncode openbaar is kunnen onafhankelijke experts de werking controleren en eventuele aanpassingen voorstellen wat de transparantie vergroot. Onderzoekers ontdekten tijdens de ontwikkeling dat bepaalde combinaties van gedragsdata sterker correleren met risicovol spelen dan afzonderlijke indicatoren en daarom werd gekozen voor een multivariate aanpak.
De tool functioneert als een aanvulling op bestaande verplichtingen voor aanbieders om risicoanalyses uit te voeren en het kan ook worden gebruikt door de Ksa zelf tijdens audits of onderzoeken. Data uit eerdere studies naar online gokgedrag diende als basis voor de training van het model en dat zorgt ervoor dat het goed aansluit bij de Nederlandse context.
Betekenis voor de sector
Operators krijgen met dit open-source instrument een extra hulpmiddel om spelers te monitoren zonder dat zij zelf een complex model hoeven te bouwen terwijl de Ksa tegelijkertijd kan rekenen op een gestandaardiseerde methode die voor iedereen toegankelijk is. Het model ondersteunt de wettelijke plicht van vergunde partijen om verslaving te voorkomen en het kan bijdragen aan betere naleving van de regels rond zorgplicht. Omdat het algoritme gebaseerd is op echte gameplay-data en niet op zelfrapportage weerspiegelt het de dagelijkse praktijk bij online casino's nauwkeuriger dan veel eerdere benaderingen.
Het project toont hoe samenwerking tussen universiteiten en toezichthouders kan leiden tot praktische instrumenten en de open-source licentie zorgt ervoor dat ook kleinere organisaties toegang hebben tot geavanceerde analysemethoden. De publicatie op de Ksa-site bevat bovendien documentatie en voorbeeldcode zodat implementatie relatief eenvoudig wordt.
Conclusie
Het open-source algoritme van de UvA-onderzoekers biedt een nieuwe, transparante manier om risicovol gokgedrag vroegtijdig te signaleren en het wordt al ingezet via de Ksa-website als hulpmiddel voor de hele sector. Door de financiering uit het Verslavingspreventiefonds en de betrokkenheid van zowel promovendi als hoogleraren is een instrument ontstaan dat zowel wetenschappelijk onderbouwd als praktisch toepasbaar is. De beschikbaarheid van de broncode maakt verdere ontwikkeling en aanpassing mogelijk terwijl de link met de Kansspelautoriteit zorgt voor directe integratie in het toezichtkader.