コントラスティブ学習は、自己監督を用いた非監督設定での表現学習において著しい成功を収めています。しかし、実際の問題として、コントラスティブ学習を効果的に教師あり学習タスクに適応させることが依然として課題となっています。本研究では、入力サンプルと分類器のパラメータを同じ空間で同時に学習する双方向コントラスティブ学習（DualCL）フレームワークを導入します。具体的には、DualCLは分類器のパラメータを異なるラベルに関連付けられた拡張サンプルとみなし、入力サンプルと拡張サンプル間のコントラスティブ学習を利用します。5つのベンチマークテキスト分類データセットおよびその低リソース版に対する経験的評価により、分類精度の向上が示され、DualCLが判別的な表現を学習する能力が確認されました。