Open-source algoritme van UvA onthult risicogedrag in online casino’s via speelpatronen

De Universiteit van Amsterdam heeft een transparant algoritme ontwikkeld dat risicovol gedrag van spelers in online casino’s schat op basis van hun daadwerkelijke speelgedrag en dit model is nu vrij toegankelijk voor iedereen die zich met preventie bezighoudt. Het initiatief komt van promovendus Charles de Leau in samenwerking met hoogleraren Reinout Wiers en Johan Bollen terwijl de financiering via het Verslavingspreventiefonds van de Kansspelautoriteit loopt. Het algoritme detecteert vroege signalen van problematisch gokken zonder dat er persoonlijke gegevens worden gedeeld en het staat als download klaar via een directe link op de Ksa-website.

Ontwikkeling en achtergrond van het model

Charles de Leau voerde het onderzoek uit binnen de faculteiten Psychologie en Informatica waarbij hij data van echte speelsessies analyseerde om patronen te identificeren die wijzen op verhoogd risico. Reinout Wiers bracht expertise in verslavingspsychologie in terwijl Johan Bollen zorgde voor de technische implementatie van het rekenmodel en samen leverden zij een onafhankelijke tool die operators en toezichthouders kunnen gebruiken zonder commerciële belangen. De ontwikkeling werd volledig gefinancierd uit het Verslavingspreventiefonds zodat het resultaat vrij van industriële invloed blijft en openbaar beschikbaar is voor onderzoekers en beleidsmakers.

Werking en toepassingsmogelijkheden

Het algoritme verwerkt variabelen zoals speelfrequentie, inzetpatronen en duur van sessies om een risicoscore te berekenen en het model is ontworpen zodat het vroegtijdig ingrijpen mogelijk maakt voordat problemen escaleren. Omdat de broncode openbaar is kunnen partijen het systeem aanpassen aan hun eigen datasets terwijl de onderliggende logica altijd controleerbaar blijft. Men merkt op dat deze transparantie een belangrijk verschil vormt met gesloten commerciële systemen en dat het daardoor makkelijker wordt om wetenschappelijke validatie uit te voeren of om het model te integreren in bestaande monitoringtools.

De Kansspelautoriteit plaatste de downloadlink op haar site zodat iedereen die zich bezighoudt met verslavingspreventie direct toegang heeft tot het model en de bijbehorende documentatie. In augustus 2026 wordt het systeem verder getest in pilots met Nederlandse vergunninghouders waarbij de resultaten worden vergeleken met bestaande signaleringsmethoden om de nauwkeurigheid te verfijnen. Het model richt zich specifiek op online casino-omgevingen omdat daar de speeldynamiek anders is dan bij fysieke locaties en de data daardoor meer patronen bevat die voor vroegtijdige detectie bruikbaar zijn.

Beschikbaarheid en integratie in de praktijk

Via de aankondiging op de Ksa-site kunnen geïnteresseerden het algoritme en de handleiding downloaden waarna het zonder extra kosten kan worden geïmplementeerd in monitoringdashboards. De open-source licentie zorgt ervoor dat aanpassingen en verbeteringen weer terugvloeien naar de gemeenschap en dat onafhankelijke validatiestudies eenvoudig kunnen worden uitgevoerd. Onderzoekers die het model al hebben bekeken melden dat de rekenkracht beperkt is zodat het ook op standaard servers draait en geen geavanceerde hardware vereist.

Conclusie

Het open-source algoritme van de Universiteit van Amsterdam biedt een concrete stap vooruit in het vroegtijdig signaleren van risicovol gokgedrag omdat het onafhankelijk ontwikkeld is en direct beschikbaar staat voor iedereen die zich met preventie bezighoudt. Door de combinatie van psychologische en informaticakennis ontstaat een tool die zowel wetenschappelijk onderbouwd als praktisch inzetbaar is en die via de Kansspelautoriteit snel kan worden geïntegreerd in bestaande systemen. De verdere tests die in augustus 2026 gepland staan zullen duidelijk maken hoe het model presteert in echte operationele omgevingen en welke aanpassingen nog wenselijk zijn.