本研究では，自己教師あり学習（SSL）におけるデータ不均衡が行動認識性能に与える影響を分析した．COCOAとSimCLRを用い，PAMAP2および保育士行動データセットに対して事前学習とFine-tuningを実施した．不均衡度指標IDを用い，少数派クラス数ごとに異なる不均衡分布を生成して評価した結果，事前学習では不均衡の影響は小さい一方，Fine-tuningではIDが大きいほどF1-scoreが低下した．また，SimCLRは全条件でCOCOAを上回った．これらより，SSLにおける性能向上にはFine-tuning用データのバランス確保が重要であることを示した．