UvA Onderzoekers Presenteren Open-Source Algoritme voor Vroegtijdige Detectie van Risicovol Gokgedrag

Introductie van het Nieuwe Model

Researchers van de Universiteit van Amsterdam hebben een open-source algoritme ontwikkeld dat risicovol gokgedrag onder spelers in online casino's inschat op basis van echte gameplay data zoals inzetpatronen, frequentie en reacties op winst of verlies en dit model is nu beschikbaar via de website van de Kansspelautoriteit als transparant hulpmiddel voor vroege detectie van probleemgokken.

Het algoritme ontstond door samenwerking tussen promovendus Charles de Leau en professoren Reinout Wiers en Johan Bollen terwijl financiering kwam van het Verslavingspreventiefonds van de Kansspelautoriteit en het project richt zich op analyse van concrete spelgegevens om patronen te herkennen die wijzen op verhoogd risico.

Technische Basis en Dataverwerking

Het model verwerkt variabelen zoals inzetpatronen, frequentie van sessies en hoe spelers reageren op winsten of verliezen waarbij data uit echte online casino omgevingen dienen als input voor de berekeningen en dit zorgt voor een datagedreven aanpak die afwijkt van traditionele methoden die vaak enkel op zelfrapportage vertrouwen.

Volgens de beschrijving op de site van de Kansspelautoriteit maakt het algoritme gebruik van machine learning technieken om scores te genereren die aangeven hoe groot de kans is dat een speler risicovol gedrag vertoont en ontwikkelaars hebben het systeem zo opgezet dat het openbaar toegankelijk blijft voor verdere aanpassingen en validatie door andere partijen.

Financiering en Institutionele Betrokkenheid

Financiering via het Verslavingspreventiefonds van de Kansspelautoriteit ondersteunde het hele traject waarbij de autoriteit ook het model publiceert als een hulpmiddel dat operators en toezichthouders kunnen toepassen voor preventie en dit past binnen bredere inspanningen om online gokken veiliger te maken door vroege signalering.

De Universiteit van Amsterdam leverde de academische expertise terwijl de Kansspelautoriteit zorgde voor de praktische implementatie en publicatie en samen resulteerde dit in een tool die zowel wetenschappelijk onderbouwd als direct inzetbaar is in de Nederlandse markt.

Toepassing in de Praktijk

Operators kunnen het algoritme integreren in hun systemen om patronen te monitoren waarbij de output helpt bij het identificeren van spelers die mogelijk extra aandacht nodig hebben en de open-source aard betekent dat iedereen de code kan inspecteren en aanpassen aan specifieke behoeften.

Het model is ontworpen om te werken met bestaande datasets uit online casino platforms en dit maakt het mogelijk om real-time analyses uit te voeren zonder dat extra hardware vereist is terwijl de transparantie van de broncode bijdraagt aan vertrouwen in de resultaten.

Beschikbaarheid en Toekomstige Ontwikkelingen

De Kansspelautoriteit heeft het algoritme geplaatst op haar website zodat geïnteresseerden het kunnen downloaden en toepassen en dit initiatief bouwt voort op eerdere projecten die gericht waren op verslavingspreventie in de goksector.

In augustus 2026 wordt verwacht dat meer operators het model zullen testen in pilotprojecten waarbij feedback uit de praktijk kan leiden tot verdere verfijning en de openbare beschikbaarheid stimuleert samenwerking tussen onderzoekers, toezichthouders en de industrie.

Conclusie

Het open-source algoritme van de Universiteit van Amsterdam biedt een nieuwe methode om risicovol gokgedrag te detecteren op basis van gameplay data en de publicatie via de Kansspelautoriteit zorgt ervoor dat de tool breed toegankelijk blijft voor preventieve doeleinden. Open source-model geeft nieuw zicht op risicogedrag bij online gokken bevat meer details over de technische specificaties en implementatie.