Een nieuw model van de Universiteit van Amsterdam (UvA) is ontwikkeld om risicovol online gokgedrag in een eerder stadium te kunnen signaleren. Het model, dat in 2026 openbaar wordt gemaakt, is getraind met gegevens over twee jaar aan gokactiviteiten van alle spelers bij dertien Nederlandse online casino’s. Hiermee krijgt de Kansspelautoriteit (Ksa) een onafhankelijk instrument in handen om te beoordelen in hoeverre spelers worden beschermd.
Sinds de legalisering is online gokken via digitale kanalen zeer toegankelijk geworden. Ook een online casino zonder CRUKS kan deze inzichten benutten om zijn dienstverlening verantwoorder in te richten. De kracht van dit onderzoek schuilt in een bredere blik: gegevens van spelers hoeven niet uitsluitend voor commerciële doeleinden te worden gebruikt; ze kunnen ook helpen om potentiële problemen sneller te identificeren.
Waarom onafhankelijk toezicht nodig is
Gokbedrijven beschikken over gedetailleerde informatie over inzetten, speelmomenten en andere activiteiten van hun klanten. Volgens de UvA zijn vrijwel alle bestaande analysetools voor gokrisico’s ontwikkeld door aanbieders of in samenwerking met hen. Een onafhankelijk model biedt toezichthouders daarom een eigen maatstaf, waarmee zij bedrijfsbeoordelingen kunnen vergelijken.
Het instrument vervangt de bestaande beschermingsregels niet. Nederlandse vergunninghouders moeten hun zorgplicht blijven uitvoeren en aangesloten zijn op Cruks, het uitsluitregister voor spelers met een gokstop. De Ksa benadrukt dat het model uitsluitend een aanvulling op zorgplichtmaatregelen is, geen garantie dat een aanbieder aan alle verplichtingen voldoet.
Onderzoek met een persoonlijke aanleiding
Het initiatief komt van UvA-promovendus Charles de Leau, die in zijn omgeving de gevolgen van gokverslaving zag. Hij ontwikkelde het model samen met hoogleraren Reinout Wiers, gespecialiseerd in psychologie, en Johan Bollen, gespecialiseerd in informatica. ZonMw financierde het project vanuit het Verslavingspreventiefonds van de Ksa.
Een ongebruikelijke gegevensbron
De onderzoeksgegevens bestrijken de periode van 30 juli 2023 tot en met 30 juli 2025. De Leau gebruikte een wettelijke regeling die casino’s verplicht gebruikersgegevens voor onafhankelijk onderzoek beschikbaar te stellen. Volgens de universiteit was hij bij publicatie de eerste onderzoeker die hiervan gebruik had gemaakt.
“Dat we alle inzetten van 13 verschillende casino’s over twee jaar konden analyseren, is nog niet eerder gedaan door onafhankelijke onderzoekers”, aldus De Leau. “Met die gigantische hoeveelheid data, die normaal door casino’s zelf gebruikt wordt ten behoeve van marketing, kunnen we voor het eerst op zo’n schaal zien welke patronen in speelgedrag vaak voorafgaan aan ernstige problemen.”
Welke signalen worden onderzocht?
Het algoritme gebruikt machine learning om patronen in werkelijk speelgedrag te analyseren en een risicoscore te berekenen. Alle vormen van online gokken zijn in het model meegenomen. Onderstaande voorbeelden verduidelijken welke gedragingen aandacht kunnen verdienen; ze vormen geen zelfstandige test voor gokverslaving.
| Aspect | Mogelijk signaal |
|---|---|
| Inzetbedragen | Steeds hogere bedragen inzetten |
| Speelfrequentie | Vaker spelen of nauwelijks pauzes nemen |
| Speeltijden | Meerdere dagen achter elkaar ’s nachts spelen |
| Reactie op verlies | Na een verliesreeks steeds meer inzetten |
| Reactie op winst | Het speeltempo of de inzet sterk veranderen na winst |
Vooral de samenhang verdient aandacht. Een afwijkend speelmoment hoeft op zichzelf weinig te betekenen, terwijl een combinatie van langere sessies, oplopende inzetten en veranderende reacties aanleiding kan zijn om de situatie nader te bekijken. Daarbij zijn totale inzet en nettoverlies verschillende bedragen: wie hetzelfde speelgeld meerdere keren inzet, kan een hoog inzetvolume opbouwen zonder dat bedrag volledig te verliezen.
Wat openbaarheid kan opleveren
De code en werkwijze zijn openbaar, zodat andere onderzoekers het model kunnen controleren en verder ontwikkelen. Ook toezichthouders buiten Nederland kunnen het als referentie gebruiken; bij de ontwikkeling werkte het onderzoeksteam nauw samen met de Spaanse toezichthouder DGOJ.
- Onafhankelijke vergelijking: toezichthouders kunnen eigen risicoscores naast beoordelingen van aanbieders leggen.
- Controleerbare werkwijze: onderzoekers kunnen nagaan hoe de analyse is opgebouwd en verbeteringen voorstellen.
- Vroegere signalering: gedragsveranderingen kunnen aanleiding geven tot ondersteuning voordat problemen verder oplopen.
- Gedeelde ontwikkeling: landen en onderzoeksteams kunnen voortbouwen op dezelfde openbare basis.
“Dit is een heel andere manier van kijken naar spelersbescherming, en dat zal best een omslag zijn voor veel partijen”, zegt De Leau. “Het is naar mijn idee wel ontzettend belangrijk in deze snel groeiende markt dat we meer mogelijkheden krijgen om spelers te beschermen.”
Stel dat een aanbieder een speler als laag risico beoordeelt, terwijl het openbare model wel veranderingen signaleert. Dat verschil is geen automatisch bewijs van een overtreding, maar geeft de toezichthouder een concrete aanleiding om vragen te stellen over gebruikte gegevens, gekozen grenzen en de opvolging door medewerkers.
Foutmeldingen vragen om menselijk oordeel
Een risicomodel is niet onfeilbaar: een waarschuwing kan onterecht blijken, terwijl werkelijk problematisch gedrag soms onvoldoende opvalt. Een voorzichtige instelling kan bovendien vaker aanleiding geven tot controles bij spelers die hun budget zorgvuldig bewaken. Dat zijn mogelijke beperkingen van risicodetectie, geen bewijs dat dit specifieke model structureel te veel mensen verkeerd beoordeelt.
Een signaal vraagt context
Stel dat iemand door ploegendiensten regelmatig laat wakker is en op die momenten speelt. Nachtelijke activiteit alleen vertelt dan niet of er controleverlies bestaat. Een passende beoordeling vraagt ook naar veranderingen in het gedrag, financiële gevolgen en de uitleg van de speler.
Een extra vraag of korte controle kan voor een zorgvuldige speler een kleine onderbreking zijn. Tegenover dat ongemak staat de mogelijkheid om iemand met oplopende problemen tijdig te ondersteunen. Wel moeten medewerkers signalen kunnen herzien en maatregelen afstemmen op de situatie, zodat een onterechte waarschuwing geen onnodig ingrijpende gevolgen krijgt.
Wie een waarschuwing ontvangt, kan vragen welk gedrag de aanleiding vormt en over welke periode de beoordeling gaat. Een overzicht van stortingen, opnames en speeltijd helpt om het gesprek concreet te maken. Blijken de gegevens onjuist of ontbreekt belangrijke context, dan is een herbeoordeling zinvoller dan de waarschuwing simpelweg te negeren.
Verbeterkansen voor 2027 en 2028
Voor 2027-2028 zijn verschillende zinvolle ontwikkelrichtingen denkbaar. De volgende voorstellen zijn geen aangekondigde planning, maar mogelijkheden om het model bruikbaarder, nauwkeuriger en begrijpelijker te maken.
Testen met nieuwe gegevens
Een eerste stap zou zijn om voorspellingen te toetsen aan latere speelgegevens en onafhankelijke beoordelingen. Daarbij verdient niet alleen het aantal gevonden risicospelers aandacht, maar ook hoeveel waarschuwingen onterecht blijken en hoeveel problemen worden gemist. Vergelijkingen tussen spelsoorten en aanbieders kunnen bovendien laten zien waar een algemene aanpak aanpassing nodig heeft. Aanpassingen moeten aantoonbaar beter presteren dan de vorige versie, zodat een nieuwe versie niet alleen anders, maar ook werkelijk bruikbaarder is.
Het zou daarnaast helpen om vooraf vast te leggen wat als een geslaagde waarschuwing geldt en wie dat beoordeelt. Een controle die alleen bevestigt dat iemand veel speelt, is iets anders dan bewijs dat die persoon schade ondervindt; juist dat onderscheid verdient een vaste plaats in toekomstige evaluaties. Zo kunnen onderzoekers voorkomen dat het model vooral zijn eigen aannames bevestigt.
Uitleg en menselijke controle
Een volgende verbetering zou bestaan uit begrijpelijke toelichtingen bij risicoscores. Medewerkers moeten kunnen zien welke gedragsveranderingen een waarschuwing verklaren, zodat zij gerichte vragen stellen in plaats van uitsluitend een getal te volgen. Ook spelers verdienen duidelijke uitleg en een eenvoudige mogelijkheid om onjuiste gegevens te laten corrigeren of hun omstandigheden toe te lichten.
Privacy en praktische resultaten
Verdere ontwikkeling zou gepaard moeten gaan met duidelijke grenzen aan datagebruik en toegang tot persoonsgegevens. Openbare code hoeft immers niet te betekenen dat individuele speelgeschiedenissen publiek worden. Daarnaast zou onderzoek moeten meten of interventies daadwerkelijk helpen: betere bescherming is belangrijker dan alleen meer waarschuwingen produceren.
Daarbij is het verstandig ook spelers en hulpverleners te betrekken. Zij kunnen aangeven of een contactmoment begrijpelijk en behulpzaam was, of juist als willekeurig werd ervaren.
Conclusie: meten én zorgvuldig handelen
Het UvA-model biedt een openbare basis voor onafhankelijker toezicht en samenwerking rond spelersbescherming. De grootste waarde ontstaat wanneer controleerbare analyses worden verbonden met menselijke beoordeling en passende ondersteuning. Een risicoscore moet daarbij het begin van zorgvuldig onderzoek zijn, niet het laatste woord over een speler. Daarmee blijft de individuele speler belangrijker dan het getal.