UvA Onderzoekers Presenteren Open-Source Algoritme voor Vroege Detectie van Risicovol Gokgedrag
Geschreven door Sofia Schröder · 25-8-2026
UvA Onderzoekers Presenteren Open-Source Algoritme voor Vroege Detectie van Risicovol Gokgedrag
Researchers van de Universiteit van Amsterdam hebben een open-source algoritme ontwikkeld dat risicovol gokgedrag bij spelers in online casino's schat op basis van concrete gameplaygegevens zoals inzetpatronen, frequentie en reacties op winsten of verliezen, terwijl het model is ontwikkeld door promovendus Charles de Leau in samenwerking met hoogleraren Reinout Wiers en Johan Bollen en gefinancierd via het Verslavingspreventiefonds van de Kansspelautoriteit.
Het algoritme maakt gebruik van daadwerkelijke spelerdata om patronen te identificeren die wijzen op verhoogd risico, en het is als transparant hulpmiddel beschikbaar gesteld via de website van de Kansspelautoriteit voor vroege signalering bij online gokken.
Ontwikkeling en Achtergrond van het Model
Het project is uitgevoerd binnen de UvA waarbij de PhD-onderzoeker Charles de Leau de leiding nam in het ontwerp van het algoritme, en de hoogleraren Reinout Wiers en Johan Bollen hebben bijgedragen aan de wetenschappelijke onderbouwing, terwijl de financiering afkomstig is van het Verslavingspreventiefonds dat beheerd wordt door de Kansspelautoriteit, en dit heeft geleid tot een tool die direct inzetbaar is voor analyse van online casino-activiteiten.
Gegevens over inzetpatronen, frequentie van spelen en reacties op winsten of verliezen vormen de kerninput voor het model, zodat het risicovol gedrag kan schatten zonder dat persoonlijke identificatie nodig is, en de open-source aanpak zorgt ervoor dat andere partijen het algoritme kunnen inspecteren en toepassen.
Toepassing en Beschikbaarheid via de Kansspelautoriteit
De Kansspelautoriteit heeft het model online geplaatst zodat het als transparant instrument dient voor vroege detectie van risicovol gedrag bij online gokkers, en gebruikers kunnen het downloaden om gameplaydata te verwerken volgens de specificaties die door de onderzoekers zijn vastgelegd.
Volgens de verstrekte informatie richt het algoritme zich specifiek op patronen die duiden op problematisch gokken, terwijl het open-source karakter bevordert dat onafhankelijke verificatie en verdere ontwikkeling mogelijk blijven, en het is gekoppeld aan het onderzoeksrapport dat beschikbaar is via deze link.
Verschillende datasets met betting patterns, speel frequentie en respons op winsten of verliezen zijn geïntegreerd in het model, zodat het een schatting geeft van risiconiveaus, en dit maakt het geschikt voor gebruik door toezichthouders of operators die streven naar preventie van verslaving gerelateerd aan online casino's.
Het financieringskader via het Verslavingspreventiefonds heeft het mogelijk gemaakt dat het onderzoek zich concentreerde op praktische toepasbaarheid, terwijl de betrokkenheid van de UvA-experts heeft gezorgd voor een wetenschappelijk onderbouwde benadering van de data-analyse.
Kenmerken van het Algoritme en Data-Analyse
Het algoritme verwerkt gameplaygegevens in real time om signalen van risicovol gedrag te detecteren, en het maakt onderscheid tussen normale patronen en die welke afwijken door middel van statistische modellen die zijn getraind op historische data, terwijl de open-source publicatie toestaat dat anderen de code kunnen aanpassen of valideren.
Reacties op winsten en verliezen spelen een centrale rol in de berekeningen, samen met de frequentie van inzetten en de grootte van bets, zodat een geïntegreerd risicoprofiel ontstaat dat operators kan helpen bij het identificeren van spelers die mogelijk ondersteuning nodig hebben.
Conclusie
Het open-source algoritme van de UvA-onderzoekers biedt een concrete methode om risicovol gokgedrag te schatten op basis van gameplaydata, en het blijft beschikbaar via de Kansspelautoriteit voor verdere toepassing in de sector, terwijl de bijdrage van Charles de Leau, Reinout Wiers en Johan Bollen samen met de financiering uit het Verslavingspreventiefonds heeft geleid tot deze transparante tool.